TypeError: '>=' not supported between instances of 'datetime.date' and 'str'

Question

我的 pandas df3 看起来像这样：

df3 = pd.DataFrame([['23.02.2012', '23.02.2012', 'aaa'], ['27.02.2014', '27.02.2014', 'bbb'], ['17.08.2018', '17.08.2018', 'ccc'], ['22.07.2019', '22.07.2019', 'ddd']], columns=['date', 'period', 'text'])

如果日期对应，我想让第 period 列显示以下时间段。由于一些 date 值使用时间戳格式化，而另一些则没有，因此它没有创建正确的（没有时间戳）period 值。这就是为什么我 df3['question_date'].dt.date

df3['date'] = pd.to_datetime(df3['date'], errors = 'coerce')
df3['question_date'] = df3['question_date']
df3['period'] = df3['date']
col_name = 'period'
strt_col = df3.pop(col_name)
df3.insert(5, col_name, strt_col)

date1 = pd.Timestamp('1990-10-14').date()
date2 = pd.Timestamp('1994-11-10').date()
date3 = pd.Timestamp('1999-10-1').date()
date4 = pd.Timestamp('2004-6-13').date()
date5 = pd.Timestamp('2009-8-30').date()
date6 = pd.Timestamp('2014-10-14').date()
date7 = pd.Timestamp('2019-11-26').date()
date8 = pd.Timestamp('2021-9-20').date()
mask1 = (df3['question_date'] >= 'date1') & (df3['question_date'] < 'date2')
mask2 = (df3['question_date'] >= 'date2') & (df3['question_date'] < 'date3')
mask3 = (df3['question_date'] >= 'date3') & (df3['question_date'] < 'date4')
mask4 = (df3['question_date'] >= 'date4') & (df3['question_date'] < 'date5')
mask5 = (df3['question_date'] >= 'date5') & (df3['question_date'] < 'date6')
mask6 = (df3['question_date'] >= 'date6') & (df3['question_date'] < 'date7')
mask7 = (df3['question_date'] >= 'date7') & (df3['question_date'] < 'date8')
df3.loc[mask1, 'leg_per'] = '1990-1994'
df3.loc[mask2, 'leg_per'] = '1994-1999'
df3.loc[mask3, 'leg_per'] = '1999-2004'
df3.loc[mask4, 'leg_per'] = '2004-2009'
df3.loc[mask5, 'leg_per'] = '2009-2014'
df3.loc[mask6, 'leg_per'] = '2014-2019'
df3.loc[mask7, 'leg_per'] = '2019-2021'
.
.
.

在 mask1 时抛出错误

TypeError: '>=' not supported between instances of 'datetime.date' and 'str'

原问题：

Answer 1

这是您示例的略微修改版本，

import pandas as pd

df3 = pd.DataFrame([['23.02.2012', 'aaa'], ['27.02.2014', 'bbb'], 
                    ['17.08.2018', 'ccc'], ['22.07.2019', 'ddd']], 
                   columns=['date', 'text'])

# ensure datetime64[ns] type
df3['date'] = pd.to_datetime(df3['date'], dayfirst=True)

请注意，对于示例中给定的 date/time 格式，如果您不提供 format，则您。此外，仅当您知道自己在做什么时才使用 errors='coerce' - 我总是更喜欢首先提出错误。

现在让我们为特定日期范围创建一个掩码。请注意，pandas 足够聪明，您可以将日期用作字符串（另请参阅 Indexing，也可以应用于比较）：

date1 = '2010-10-14'
date2 = '2014-11-10'
m = (df3['date'] >= '2010-10-14') & (df3['date'] < '2014-11-10')

df3.loc[m, 'leg_per'] = '2010-2014'

虚拟 df 看起来像

df3
        date text    leg_per
0 2012-02-23  aaa  2010-2014
1 2014-02-27  bbb  2010-2014
2 2018-08-17  ccc        NaN
3 2019-07-22  ddd        NaN

一般来说，如果您在 pandas 中使用 date/time，并且想省去一些麻烦：请使用 pandas 提供的 datetime64 数据类型。避免 Python 的日期时间、日期和时间 class。它会导致您遇到的问题并减少您手头的功能。

TypeError: '>=' not supported between instances of 'datetime.date' and 'str'

TypeError: '>=' not supported between instances of 'datetime.date' and 'str'

python

pandas

datetime

datetime-format

python-datetime