基于其他时间戳将时间戳添加到 pandas 数据帧的 Pythonic 方法

Question

索引到 pandas 数据帧以更改值的时髦方式对我来说很难。我永远无法弄清楚我是在更改数据框元素的值，还是在更改该值的副本。

我对 python 的数组操作语法也不熟悉，并且努力将索引循环（如在 C++ 中）转换为 python 中的向量操作。我的问题是我希望根据其他列中的值将一列 pandas.Timestamp 值添加到数据框。假设我从

这样的数据框开始

import pandas as pd
import numpy as np
mydata = np.transpose([ [11, 22, 33, 44, 66, 77],
         pd.to_datetime(['2015-02-26', '2015-02-27', '2015-02-25', np.NaN, '2015-01-24', '2015-03-24'], errors='coerce'),
         pd.to_datetime(['2015-02-24', np.NaN, '2015-03-24', '2015-02-26', '2015-02-27', '2015-02-25'], errors='coerce')
       ])

df = pd.DataFrame(columns=['ID', 'BEFORE', 'AFTER'], data=mydata)

df.head(6)

哪个returns

    ID  BEFORE      AFTER
0   11  2015-02-26  2015-02-24
1   22  2015-02-27  NaT
2   33  2015-02-25  2015-03-24
3   44  NaT         2015-02-26
4   66  2015-01-24  2015-02-27
5   77  2015-03-24  2015-02-25

我想找到之前和之后的日期中较小的一个，然后用结果创建一个名为 RELEVANT_DATE 的新列。然后我可以删除 BEFORE 和 AFTER。有无数种方法可以做到这一点，但对我来说，几乎所有方法都行不通。我能做的最好的就是这个

# fix up NaT's only in specific columns, real data has more columns
futureDate = pd.to_datetime('2099-01-01')
df.fillna({'BEFORE':futureDate, 'AFTER':futureDate}, inplace=True)

# super clunky solution
numRows = np.shape(df)[0]
relevantDate = []
for index in range(numRows):
    if df.loc[index, 'AFTER'] >= df.loc[index, 'BEFORE']:
        relevantDate.append(df.loc[index, 'BEFORE'])
    else:
        relevantDate.append(df.loc[index, 'AFTER'])

# add relevant date column to df
df['RELEVANT_DATE'] = relevantDate

# delete irrelevant dates
df.drop(labels=['BEFORE', 'AFTER'], axis=1, inplace=True)

df.head(6)

回归

    ID  RELEVANT_DATE
0   11  2015-02-24
1   22  2015-02-27
2   33  2015-02-25
3   44  2015-02-26
4   66  2015-01-24
5   77  2015-02-25

这种方法超级慢。几百万行需要很长时间才能发挥作用。

你能为此提供一个 pythonic 风格的解决方案吗？回想一下，我在向量化这些操作和确保它们在 DataFrame 中得到真实设置时遇到了麻烦。

Answer 1

取一行中的最小值 (axis=1)。设置索引，这样你就可以带着 'ID' 一起去旅行。

df.set_index('ID').min(axis=1).rename('RELEVANT DATE').reset_index()

   ID RELEVANT DATE
0  11    2015-02-24
1  22    2015-02-27
2  33    2015-02-25
3  44    2015-02-26
4  66    2015-01-24
5  77    2015-02-25

或者将新列分配给您现有的 DataFrame：

df['RELEVANT DATE'] = df[['BEFORE', 'AFTER']].min(1)

基于其他时间戳将时间戳添加到 pandas 数据帧的 Pythonic 方法

Pythonic way to add Timestamps to pandas dataframe based on other Timestamps

python

replace

vectorization

dataframe

pandas