python - 根据日期列范围将列添加到数据框

Question

我有一个包含n 列的df。其中之一是名为 date 的列，其中包含格式为 mm-dd-yy 的值。现在我想向我的 df 添加一个列 interval。此列应返回日期中包含的年份，但也返回H1或H2 >。 H1 是一年半，应该是 01-dd-yy 06-dd-yy 之间的所有 date 值因此，H2 应该是 07-dd-yy 和 12-dd-yy 之间的所有日期值。

这是df['date']中的数据示例:

0         01-27-16
1         02-27-16
2         03-27-16
3         04-27-16
4         05-27-16
5         06-27-16
6         07-27-16
7         08-24-16
8         09-24-16
9         10-16-15
...etc...

在 df 中，我想添加另一个名为 interval 的列，其中包含:

    0         16H1
    1         16H1
    2         16H1
    3         16H1
    4         16H1
    5         16H1
    6         16H2
    7         16H2
    8         16H2
    9         15H2
    ...etc...

所以我想我应该创建一个函数，然后使用map。

def is_in_range(x):
   if x['date'] >= '01-01-16'  x['date'] <= '06-31-16':
       print '16H1'
   elif x['date'] >= '07-01-16' and x['date'] <= '12-31-16':
       print '16H2'
   elif x['date'] >= '01-01-15' and x['date'] <= '06-31-15':
       print '15H1'
   elif x['date'] >= '07-01-15' and x['date'] <= '12-31-15':
       print '15H2'  
   ...etc...

我这样调用该函数:

df.groupby(df['date'].map(is_in_range))

现在这给了我:

`TypeError: 'Timestamp' object has no attribute 'getitem'

首先。我不知道为什么，但无论如何，肯定有更好的方法吗？

Answer 1

您可以使用dt.quarter或dt.month .

首先将int年份值通过astype转换为str ，然后选择最后 2 个字符。最后使用numpy.where条件:

#first convert to datetime if not datetime
df.date = pd.to_datetime(df.date)

df['interval'] = df.date.astype(str).str[2:4] + np.where(df.date.dt.month < 7, 'H1','H2')
print (df)
        date interval
0 2016-01-27     16H1
1 2016-02-27     16H1
2 2016-03-27     16H1
3 2016-04-27     16H1
4 2016-05-27     16H1
5 2016-06-27     16H1
6 2016-07-27     16H2
7 2016-08-24     16H2
8 2016-09-24     16H2
9 2015-10-16     15H2

或者:

df['interval'] = df.date.astype(str).str[2:4] + np.where(df.date.dt.quarter < 3,'H1','H2')
print (df)
        date interval
0 2016-01-27     16H1
1 2016-02-27     16H1
2 2016-03-27     16H1
3 2016-04-27     16H1
4 2016-05-27     16H1
5 2016-06-27     16H1
6 2016-07-27     16H2
7 2016-08-24     16H2
8 2016-09-24     16H2
9 2015-10-16     15H2

字符串解决方案:

df['interval'] = df.date.str[6:] + np.where(df.date.str[:2].astype(int) < 7, 'H1','H2')
print (df)
       date interval
0  01-27-16     16H1
1  02-27-16     16H1
2  03-27-16     16H1
3  04-27-16     16H1
4  05-27-16     16H1
5  06-27-16     16H1
6  07-27-16     16H2
7  08-24-16     16H2
8  09-24-16     16H2
9  10-16-15     15H2

列表理解解决方案如果不是 NaN 则有效:

字符串列:

df['interval'] = [x[6:] + 'H1' if int(x[:2])< 7 else x[6:] + 'H2' for x in df['date']]

日期时间列:

#first convert to datetime if not datetime
df.date = pd.to_datetime(df.date)

df['interval'] = [x[2:4] + 'H1' if int(x[5:7])< 7 else x[2:4] + 'H2' for x in df['date'].astype(str)]

print (df)
       date interval
0  01-27-16     16H1
1  02-27-16     16H1
2  03-27-16     16H1
3  04-27-16     16H1
4  05-27-16     16H1
5  06-27-16     16H1
6  07-27-16     16H2
7  08-24-16     16H2
8  09-24-16     16H2
9  10-16-15     15H2