问题描述
我试图从可能没有日期的列中获取最小/最大日期。
我尝试过诸如 ''、“NaN”、True、False、0 等...
我首先根据“+”或“-”的操作从实际日期设置“p_date”和“s_date”。
df_td [ 'p_date' ] = np.where ( df_td.action == '+', df_td.date, ??? )
df_td [ 's_date' ] = np.where ( df_td.action == '-', df_td.date, ??? )
所以我在这里需要 s_date 的 p_date 和 max 的最小值。
issue p_date s_date
0 issue 2012-11-01
1 issue 2013-12-09
2 issue 2014-12-08
3 issue 2016-01-13
4 issue 2012-11-01
5 issue 2014-03-26
6 issue 2015-05-29
7 issue 2013-12-18
8 issue 2016-01-13
我做了一个小组
g = df_td.groupby ( [ 'name', 'type' ], as_index = False ).agg (
{ ...
'p_date': 'min',
's_date': 'max'
} )
这给了我以下错误。
'<=' not supported between instances of 'datetime.date' and 'str'
如果我为空白指定日期，它确实有效，但这不是一个好选择。
我可以用什么来填写日期以使其正常工作？
谢谢。
1楼
在 Pandas 中， NaN被用作缺失值，并且在大多数操作中被忽略，因此使用它是正确的。
如果您仍然收到错误消息，那可能是因为您在那里有一个 datetime.date（好吧，您肯定在那里得到了它，我的意思是它可能导致了问题）。
例如，如果您的缺失值是""并且您的列数据类型是具有内部类型datetime.date object ，我会得到：
In [496]: df.groupby("issue").agg({"p_date": "min", "s_date": "max"})
[...]
TypeError: '<=' not supported between instances of 'datetime.date' and 'str'
但是如果我切换到 pandas-native 时间对象和 NaN，它会起作用：
In [500]: df["p_date"] = pd.to_datetime(df["p_date"])
In [501]: df["s_date"] = pd.to_datetime(df["s_date"])
In [502]: df
Out[502]:
issue p_date s_date
0 issue 2012-11-01 NaT
1 issue 2013-12-09 NaT
2 issue 2014-12-08 NaT
3 issue NaT 2016-01-13
4 issue 2012-11-01 NaT
5 issue NaT 2014-03-26
6 issue NaT 2015-05-29
7 issue 2013-12-18 NaT
8 issue NaT 2016-01-13
In [503]: df.groupby("issue").agg({"p_date": "min", "s_date": "max"})
Out[503]:
p_date s_date
issue
issue 2012-11-01 2016-01-13
2楼
我对我的回答不满意，但它似乎有效。
我创建了一个地板和天花板日期。
floor = datetime.date ( 1900, 1, 1 )
ceil = datetime.date ( 2100, 1, 1 )
df_td [ 'p_date' ] = np.where ( df_td.action == '+', df_td.date, ceil )
df_td [ 's_date' ] = np.where ( df_td.action == '-', df_td.date, floor )
这样，它们将抵消需要数据对象才能工作的最小/最大聚合函数。
还是想要更合适的建议。 谢谢。