python - 使用日期的 Pandas 数据框中的列算法

Question

我认为这应该很容易，但我有点碰壁。我有一个从 Stata .dta 文件导入到 pandas 数据框中的数据集。一些列包含日期数据。数据框包含 100,000 多行，但给出了一个示例:

   cat  event_date  total
0   G2  2006-03-08     16
1   G2         NaT    NaN
2   G2         NaT    NaN
3   G3  2006-03-10     16
4   G3  2006-08-04     12
5   G3  2006-12-28     13
6   G3  2007-05-25     10
7   G4  2006-03-10     13
8   G4  2006-08-06     19
9   G4  2006-12-30     16

数据存储为 datetime64 格式:

>>> mydata[['cat','event_date','total']].dtypes
cat                    object
event_date     datetime64[ns]
total                 float64
dtype: object

我想做的就是创建一个新列，它给出 event_date 和开始日期之间的天数差异(而不是“us”或“ns”!!!)，比如 2006-01-01。我尝试了以下方法:

>>> mydata['new'] = mydata['event_date'] - np.datetime64('2006-01-01')

...但我收到消息:

TypeError: ufunc 'isnan' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

我也尝试过 lambda 函数，但它也不起作用。

但是，如果我想简单地向每个日期添加一天，我可以成功使用:

>>> mydata['plusone'] = mydata['event_date'] + np.timedelta64(1,'D')

这很好。

我是不是漏掉了什么直截了当的东西？

在此先感谢您的帮助。

Answer 1

不确定为什么 numpy datetime64 与 pandas dtypes 不兼容，但使用 datetime 对象对我来说效果很好:

In [39]:

import datetime as dt
mydata['new'] = mydata['event_date'] - dt.datetime(2006,1,1)
mydata
Out[39]:
      cat event_date  total      new
Index                               
0      G2 2006-03-08     16  66 days
1      G2        NaT    NaN      NaT
2      G2        NaT    NaN      NaT
3      G3 2006-03-10     16  68 days
4      G3 2006-08-04     12 215 days
5      G3 2006-12-28     13 361 days
6      G3 2007-05-25     10 509 days
7      G4 2006-03-10     13  68 days
8      G4 2006-08-06     19 217 days
9      G4 2006-12-30     16 363 days