Pandas pd.cut() - 合并日期时间列/系列

Question

正在尝试使用 pd.cut() 做一个垃圾桶，但它相当复杂-

一位同事向我发送了多个包含报告日期的文件，例如：

 '03-16-2017 to 03-22-2017'
 '03-23-2017 to 03-29-2017'
 '03-30-2017 to 04-05-2017'

它们全部组合成一个数据帧并指定一个列名 df['Filedate'] 以便文件中的每条记录都有正确的文件日期。

最后一天是一个截止点，所以我创建了一个新列 df['Filedate_bin'] 将最后一天转换为 3/22/2017、3/29/2017、4/05/2017作为字符串。

然后我创建了一个列表：Filedate_bin_list= df.Filedate_bin.unique()。因此，我有一个独特的字符串截止日期列表，我想将其用作垃圾箱。

将不同的数据导入dataframe，有一列交易日期：3/28/2017、3/29/2017、3/30/2017、4/1/2017、4/2/2017等. 将它们分配到一个垃圾箱很困难，它尝试过：

df['bin'] = pd.cut(df.Processed_date, Filedate_bin_list)

收到TypeError: unsupported operand type for -: 'str' and 'str'

返回并尝试将 Filedate_bin 转换为日期时间，格式='%m/%d/%Y' 并得到

TypeError: Cannot cast ufunc less input from dtype('<m8[ns]') to dtype ('<m8') with casting rule 'same_kind'.

是否有更好的方法将我的 processed_date(s) 放入文本箱？

我正在尝试将我的处理日期从 2017 年 3 月 27 日到“2017 年 3 月 23 日到 2017 年 3 月 29 日”

Answer 1

更新： 从 Pandas v0.20.1 (May 5, 2017) pd.cut and pd.qcut support datetime64 and timedelta64 dtypes (GH14714, GH14798 开始）。

谢谢

旧答案：

考虑这种方法：

df = pd.DataFrame(pd.date_range('2000-01-02', freq='1D', periods=15), columns=['Date'])

bins_dt = pd.date_range('2000-01-01', freq='3D', periods=6)
bins_str = bins_dt.astype(str).values

labels = ['({}, {}]'.format(bins_str[i-1], bins_str[i]) for i in range(1, len(bins_str))]

df['cat'] = pd.cut(df.Date.astype(np.int64)//10**9,
                   bins=bins_dt.astype(np.int64)//10**9,
                   labels=labels)

结果：

In [59]: df
Out[59]:
         Date                       cat
0  2000-01-02  (2000-01-01, 2000-01-04]
1  2000-01-03  (2000-01-01, 2000-01-04]
2  2000-01-04  (2000-01-01, 2000-01-04]
3  2000-01-05  (2000-01-04, 2000-01-07]
4  2000-01-06  (2000-01-04, 2000-01-07]
5  2000-01-07  (2000-01-04, 2000-01-07]
6  2000-01-08  (2000-01-07, 2000-01-10]
7  2000-01-09  (2000-01-07, 2000-01-10]
8  2000-01-10  (2000-01-07, 2000-01-10]
9  2000-01-11  (2000-01-10, 2000-01-13]
10 2000-01-12  (2000-01-10, 2000-01-13]
11 2000-01-13  (2000-01-10, 2000-01-13]
12 2000-01-14  (2000-01-13, 2000-01-16]
13 2000-01-15  (2000-01-13, 2000-01-16]
14 2000-01-16  (2000-01-13, 2000-01-16]

In [60]: df.dtypes
Out[60]:
Date    datetime64[ns]
cat           category
dtype: object

解释：

df.Date.astype(np.int64)//10**9 - 将 datetime 值转换为 UNIX 纪元（时间戳 - 自 1970-01-01 00:00:00 以来的秒数）：

In [65]: df.Date.astype(np.int64)//10**9
Out[65]:
0     946771200
1     946857600
2     946944000
3     947030400
4     947116800
5     947203200
6     947289600
7     947376000
8     947462400
9     947548800
10    947635200
11    947721600
12    947808000
13    947894400
14    947980800
Name: Date, dtype: int64

同样适用于 bins:

In [66]: bins_dt.astype(np.int64)//10**9
Out[66]: Int64Index([946684800, 946944000, 947203200, 947462400, 947721600, 947980800], dtype='int64')

标签：

In [67]: labels
Out[67]:
['(2000-01-01, 2000-01-04]',
 '(2000-01-04, 2000-01-07]',
 '(2000-01-07, 2000-01-10]',
 '(2000-01-10, 2000-01-13]',
 '(2000-01-13, 2000-01-16]']

Pandas pd.cut() - 合并日期时间列/系列

Pandas pd.cut() - binning datetime column / series

datetime

binning

dataframe

python-3.x

pandas