python - Pandas 匹配 2 列中最接近的日期时间值 - 输入整数/长错误

Question

我有一个 DataFrame，D1:

Date	Symbol	ICO_to
    5/28/2017 18:00	MYST	5/30/2017
    5/29/2017 18:00	MYST	5/30/2017
    5/30/2017 18:00	MYST	5/30/2017
    6/1/2017 18:00	MYST	5/30/2017
    6/2/2017 18:00	MYST	5/30/2017
    6/3/2017 18:00	MYST	5/30/2017
    6/4/2017 18:00	MYST	5/30/2017
    6/5/2017 18:00	MYST	5/30/2017
    6/6/2017 18:00	MYST	5/30/2017

根据 This link我正在尝试两种方法来识别最接近“ICO_to”日期值(所有行具有相同值)的“日期”值(最接近匹配)。首先，我尝试截断，这应该删除该日期值之前的行:

D1.Date = pd.to_datetime(D1.Date) 

D1.rename(columns={'ICO to': 'ICO_to'}, inplace=True)
D1.ICO_to = pd.to_datetime(D1.ICO_to)

ICO_to = D1['ICO_to'][0] #All values in this column are the same, I just want to reference that value
ICO_to = pd.to_datetime(ICO_to) # to make sure the value is a datetime

First_date_row = D1['Date'].truncate(before=ICO_to).iloc[-1] #Remove all rows not after/= to the ICO_to date value

但是我得到这个错误:

TypeError: Cannot compare type 'Timestamp' with type 'long'

好吧，我知道这些是日期时间值，所以不确定是什么交易。 ICO_to 变量是一个时间戳。我试试这个:

First_date_row = D1['Date'].loc[D1.index.get_loc(datetime.datetime(D1['ICO_to'][0]),method='nearest')] #Identify the row where 'Date' nearest matches 'ICO_to' value at row 0 

使用这个而不是截断，我得到这个错误:

TypeError: an integer is required 

如何识别与 ICO_to 值最接近匹配的日期值，或通过截断删除最接近匹配之前的所有行？两种方法都可以。

Answer 1

如果将行转换为日期时间对象，则只需对列进行简单的数学运算即可找到绝对最小距离。

import pandas as pd

D1.Date = pd.to_datetime(D1.Date)
D1.ICO_to = pd.to_datetime(D1.ICO_to)
D1[min(abs(D1.Date - D1.ICO_to)) == abs(D1.Date - D1.ICO_to)]

    Date    Symbol  ICO_to
1   2017-05-29 18:00:00 MYST    2017-05-30 00:00:00

如您所见，您需要谨慎对待“接近”的含义。由于您在日期上有小时信息，但在 ICO_to 时间上只有一天，您是指午夜还是中午或白天的任何时间？最后一个选项会使这个方法有点复杂。

如果你想让数据帧的所有部分都达到那个值，那么你可以这样做。首先对 DataFrame 进行排序以确保它是有序的，然后针对所有小于或等于出现最小值的索引对其进行切片。

D1.sort_values(by='Date', inplace=True)
D1.reset_index(drop=True)
D1[D1.index <= D1[min(abs(D1.Date - D1.ICO_to)) == abs(D1.Date - D1.ICO_to)].index[0]]

    Date    Symbol  ICO_to
0   2017-05-28 18:00:00 MYST    2017-05-30 00:00:00
1   2017-05-29 18:00:00 MYST    2017-05-30 00:00:00