我有以下数据集:
我希望做的是使用以下函数创建2个新列:
然而,似乎我想运行的日期计算经常出错。我搜索并找到了几个解决方案并尝试过,但要么会创建错误,要么将日期转换为不准确的值。
我尝试使用的方法包括:
任何提示都会受到赞赏。
date_time srch_co srch_ci
0 2014-11-03 16:02:28 2014-12-19 2014-12-15
1 2013-03-13 19:25:01 2013-03-14 2013-03-13
2 2014-10-13 13:20:25 2015-04-10 2015-04-03
3 2013-11-05 10:40:34 2013-11-08 2013-11-07
4 2014-06-10 13:34:56 2014-08-08 2014-08-03
5 2014-12-16 14:34:39 2014-12-17 2014-12-16
这是数据集的信息:
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 100000 entries, 0 to 99999
Data columns (total 3 columns):
date_time 100000 non-null datetime64[ns]
srch_co 99878 non-null object
srch_ci 99878 non-null object
dtypes: datetime64[ns](1), object(2)
memory usage: 2.3+ MB
我希望做的是使用以下函数创建2个新列:
def duration(row):
delta = (row['srch_co'] - row['srch_ci'])/np.timedelta64(1, 'D')
if delta <= 0:
return np.nan
else:
return delta
sample['duration'] = sample.apply(duration, axis=1)
def days_in_advance(row):
delta = (row['srch_ci'] - row['date_time'])/np.timedelta64(1, 'D')
if delta < 0:
return np.nan
else:
return delta
sample['days_in_advance'] = sample.apply(days_in_advance, axis=1)
然而,似乎我想运行的日期计算经常出错。我搜索并找到了几个解决方案并尝试过,但要么会创建错误,要么将日期转换为不准确的值。
我尝试使用的方法包括:
#1)
def to_integer(dt_time):
return 10000*dt_time.year + 100*dt_time.month + dt_time.day
#2)
datetime.strptime(str(row[2]), '%Y%m%d%H%M%S')
#3)
pd.to_numeric(sample['date_time'], errors='coerce')
#4)
sample['srch_ci_int'] = sample['srch_ci'].astype(str).astype(int)
我只想创建一个新的列来计算每一列之间的差异:
sample["duration"] = sample["srch_co"] - sample["srch_ci"]
sample["days_in_advance"] = sample["srch_co"] - sample["date_time"]
任何提示都会受到赞赏。
sample['srch_co'] = pd.to_datetime(sample['srch_co']) sample['srch_ci'] = pd.to_datetime(sample['srch_ci'])
这个有效。 - tmhs