如何获取 pandas 数据框列在给定月份的天数？

Question

尝试为 ML 算法编码循环特征，其中时间戳特征作为特征非常重要。

我想将 day_in_month（cyclic_df 的 'day' 列）转换为循环变量，以便一个月的第一天在前一天的最后一天之后.所以 2 月 1 日 (01.02) 更接近 1 月 31 日 (31.01)，因此如果您只考虑天列，那么这 2 天之间的差异是 1 而不是 30！

# Transform the cyclical features 
cyclic_df['min_sin'] = np.sin(cyclic_df.minute*(2.*np.pi/59))       # Sinus component of minute 
cyclic_df['min_cos'] = np.cos(cyclic_df.minute*(2.*np.pi/59))       # Cosinus component of minute 
cyclic_df['hr_sin'] = np.sin(cyclic_df.hour*(2.*np.pi/23))          # Sinus component of hour 
cyclic_df['hr_cos'] = np.cos(cyclic_df.hour*(2.*np.pi/23))          # Cosinus component of hour

cyclic_df['d_sin'] = np.sin(cyclic_df.day*(2.*np.pi/30))            # !!!Sinus component of day!!!! Help here
cyclic_df['d_cos'] = np.cos(cyclic_df.day*(2.*np.pi/30))            # !!!Cosinus component of day!!! Help here

cyclic_df['mnth_sin'] = np.sin((cyclic_df.month-1)*(2.*np.pi/12))   # Sinus component of minute 
cyclic_df['mnth_cos'] = np.cos((cyclic_df.month-1)*(2.*np.pi/12))   # Cosinus component of minute

问题出在我除以的那个 30 上。不是每个月都有 30 天，有些月份有 30、31、28 或 29 天。在 cyclical_df 的每一行中，我有一列 'month'、一列 'year' 和一列 'day'。所以理论上，应该有一个解决方案来读取给定月份的正确天数。我如何用正确的变量替换 30（上面代码中的第 5 行和第 6 行），以便它从其他列读取年份和月份，并替换为正确的值，而不是总是 30？

PS：如果有人能告诉我，如果我在每一分钟、每一小时和每一月都做对了，那就太好了，也可以在上面的代码中找到。

编辑（评论后）：是的，我有一个 'year' 列。并将这两行更改为：

cyclic_ext_df['d_cos'] = np.cos(cyclic_ext_df.day*(2.*np.pi/monthrange(cyclic_df.year, cyclic_ext_df.month)[1]))
cyclic_ext_df['d_cos'] = np.cos(cyclic_ext_df.day*(2.*np.pi/monthrange(cyclic_df.year, cyclic_ext_df.month)[1]))

我收到以下错误：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-575-532a308075e2> in <module>()
     11 #cyclic_ext_df['d_cos'] = np.cos(cyclic_ext_df.day*(2.*np.pi/30))            # Cosinus component of day
     12 
---> 13 cyclic_ext_df['d_cos'] = np.cos(cyclic_ext_df.day*(2.*np.pi/monthrange(cyclic_df.year, cyclic_ext_df.month)[1]))
     14 cyclic_ext_df['d_cos'] = np.cos(cyclic_ext_df.day*(2.*np.pi/monthrange(cyclic_df.year, cyclic_ext_df.month)[1]))
     15 

~/anaconda/lib/python3.6/calendar.py in monthrange(year, month)
    120     """Return weekday (0-6 ~ Mon-Sun) and number of days (28-31) for
    121        year, month."""
--> 122     if not 1 <= month <= 12:
    123         raise IllegalMonthError(month)
    124     day1 = weekday(year, month, 1)

~/anaconda/lib/python3.6/site-packages/pandas/core/generic.py in __nonzero__(self)
   1574         raise ValueError("The truth value of a {0} is ambiguous. "
   1575                          "Use a.empty, a.bool(), a.item(), a.any() or a.all()."
-> 1576                          .format(self.__class__.__name__))
   1577 
   1578     __bool__ = __nonzero__

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

Answer 1

如果你的数据中有年份和月份，你可以使用calendar.monthrange:

from calendar import monthrange

month = 2
year = 2014

_, mr = monthrange(year, month)
cyclic_df['d_cos'] = np.cos(cyclic_df.day*(2.*np.pi/mr))

Answer 2

我不太明白你在用三角函数做什么 - 要么你没有很好地解释你的目标，要么你过度设计了解决方案。

year/month/day 约定是一种人类便利。为了直接比较天数，时间是使用自商定纪元以来的时间单位数来衡量的。最常见的情况是 Unix 时间戳，它计算自 1970 年 1 月 1 日以来的秒数。

因此您有两个选择：

您可以将所有时间转换为 Unix 时间戳，然后将它们从秒转换为天。
- 解释了将日期转换为时间戳here。该问题假定解析字符串，但您也可以使用实际日期值实例化 datetime。
- 如果s是秒，可以用d = s/(24*60*60)
您可以切换到自己的基于天的系统。
- 设置任意 "epoch date" 后，您可以按照 here.

如何获取 pandas 数据框列在给定月份的天数？

How to get the number of days in given month for a pandas dataframe column?

python

pandas

feature-extraction

feature-selection

feature-engineering