python - pandas如何忽略无法转换为日期时间以计算时间增量的列单元格

Question

我有一个df，

doc_date    date_string
2019-06-03  WW0306
2019-06-07  EH0706
2019-08-08  19685
2019-08-09  258
2019-08-10  441573556

doc_date 为 dateimte64 dtype，date_string 为 string，删除非数字字符，

s = df['date_string'].str.replace(r'\D+', '')

doc_date    date_string
2019-06-03  0306
2019-06-07  0706
2019-08-08  19685
2019-08-09  258
2019-08-10  441573556

s1 = to_datetime(s, errors='ignore', format='%d%m')

doc_date    date_string
2019-06-03  1900-06-03
2019-06-07  1900-06-07
2019-08-08  19685
2019-08-09  258
2019-08-10  441573556

这里我想知道如何忽略那些 date_string 无法转换为日期时间的行；所以我可以创建一个 bool 掩码，

 c1 = (df.doc_date.dt.dayofyear - s1.dt.dayofyear).abs().le(180)

另一件事是如何使 c1 与任何无法转换为 datetime<的 date_string 的 s 长度相同 将在 c1 中得到 False；

Answer 1

使用 errors='coerce' 将不匹配的模式值转换为 NaT 以使用类似日期时间的函数:

s1 = to_datetime(s, errors='coerce', format='%d%m')

或更常见的用途(pandas 0.24.2，因此不同的输出):

import pandas as pd

s1 = pd.to_datetime(s, errors='coerce', format='%d%m')
print (s1)
0   1900-06-03
1   1900-06-07
2          NaT
3   1900-08-25
4          NaT
Name: date_string, dtype: datetime64[ns]

一起:

#if necessary
#df['doc_date'] =  pd.to_datetime(df['doc_date'])

s = df['date_string'].str.replace(r'\D+', '')

s1 = pd.to_datetime(s, errors='coerce', format='%d%m')

c1 = (df.doc_date.dt.dayofyear - s1.dt.dayofyear).abs().le(180)
print (c1)
0     True
1     True
2    False
3     True
4    False
dtype: bool