Разбор столбца Pandas в Datetime при импорте таблицы из базы данных SQL и фильтрации строк по дате

У меня есть DataFrame с столбцом с именем date. Как мы можем преобразовать/проанализировать столбец "date" в объект DateTime?

Я загрузил столбец даты из базы данных Postgresql, используя sql.read_frame(). Примером столбца date является 2013-04-04.

То, что я пытаюсь сделать, - выбрать все строки в кадре данных, в котором есть столбцы даты в течение определенного периода, например, после 2013-04-01 и до 2013-04-04.

Моя попытка ниже дает ошибку 'Series' object has no attribute 'read'

Попытка

import dateutil

df['date'] = dateutil.parser.parse(df['date'])

Ошибка

AttributeError                            Traceback (most recent call last)
<ipython-input-636-9b19aa5f989c> in <module>()
     15 
     16 # Parse 'Date' Column to Datetime
---> 17 df['date'] = dateutil.parser.parse(df['date'])
     18 
     19 # SELECT RECENT SALES

C:\Python27\lib\site-packages\dateutil\parser.pyc in parse(timestr, parserinfo, **kwargs)
    695         return parser(parserinfo).parse(timestr, **kwargs)
    696     else:
--> 697         return DEFAULTPARSER.parse(timestr, **kwargs)
    698 
    699 

C:\Python27\lib\site-packages\dateutil\parser.pyc in parse(self, timestr, default, ignoretz, tzinfos, **kwargs)
    299             default = datetime.datetime.now().replace(hour=0, minute=0,
    300                                                       second=0, microsecond=0)
--> 301         res = self._parse(timestr, **kwargs)
    302         if res is None:
    303             raise ValueError, "unknown string format"

C:\Python27\lib\site-packages\dateutil\parser.pyc in _parse(self, timestr, dayfirst, yearfirst, fuzzy)
    347             yearfirst = info.yearfirst
    348         res = self._result()
--> 349         l = _timelex.split(timestr)
    350         try:
    351 

C:\Python27\lib\site-packages\dateutil\parser.pyc in split(cls, s)
    141 
    142     def split(cls, s):
--> 143         return list(cls(s))
    144     split = classmethod(split)
    145 

C:\Python27\lib\site-packages\dateutil\parser.pyc in next(self)
    135 
    136     def next(self):
--> 137         token = self.get_token()
    138         if token is None:
    139             raise StopIteration

C:\Python27\lib\site-packages\dateutil\parser.pyc in get_token(self)
     66                 nextchar = self.charstack.pop(0)
     67             else:
---> 68                 nextchar = self.instream.read(1)
     69                 while nextchar == '\x00':
     70                     nextchar = self.instream.read(1)

AttributeError: 'Series' object has no attribute 'read'

df['date'].apply(dateutil.parser.parse) дает мне ошибку AttributeError: 'datetime.date' object has no attribute 'read'

df['date'].truncate(after='2013/04/01') дает ошибку TypeError: can't compare datetime.datetime to long

df['date'].dtype возвращает dtype('O'). Это уже объект DateTime?

Ответы

Ответ 1

pandas уже читает это как объект datetime! Итак, вы хотите выбрать строки между двумя датами, и вы можете сделать это, маскируя:

df_masked = df[(df.date > '2012-04-01') & (df.date < '2012-04-04')]

Поскольку вы сказали, что по какой-то причине вы получили сообщение об ошибке, попробуйте следующее:

df_masked = df[(df.date > datetime.date(2012,4,1)) & (df.date < datetime.date(2012,4,4))]

Ответ 2

Pandas знает объект datetime, но когда вы используете некоторые из функций импорта, он берется как строка. Так что вам нужно сделать, чтобы убедиться, что столбец задан как тип datetime, а не как строка. Затем вы можете сделать свой запрос.

df['date']  = pd.to_datetime(df['date'])
df_masked = df[(df['date'] > datetime.date(2012,4,1)) & (df['date'] < datetime.date(2012,4,4))]

Ответ 3

Вам, вероятно, понадобится apply, что-то вроде:

df['date'] = df['date'].apply(dateutil.parser.parse)

Без примера столбца я не могу гарантировать, что это сработает, но что-то в этом направлении должно помочь вам продолжить.

Ответ 4

Не путайте datetime.date с Pandas pd.Timestamp

"Pandas datetime series" содержит элементы pd.Timestamp, а не элементы datetime.date. Рекомендуемое решение для панд:

s = pd.to_datetime(s)    # convert series to Pandas
mask = s > '2018-03-10'  # calculate Boolean mask against Pandas-compatible object

Лучшие ответы имеют проблемы:

  • @RyanSaxe принял ответ, первая попытка не работает; Второй ответ неэффективен.
  • Начиная с Pandas v0.23.0, ответ @Keith с высоким голосом не работает; это дает TypeError.

Любое хорошее решение от Pandas должно обеспечить:

  1. Серия представляет собой Панду datetime серии, а не object DTYPE.
  2. datetime серии сравнивается с совместимым объектом, например, pd.Timestamp или строки в правильном формате.

Вот демонстрация с тестированием производительности, демонстрирующая, что разовые затраты на конверсию могут быть немедленно компенсированы одной операцией:

from datetime import date

L = [date(2018, 1, 10), date(2018, 5, 20), date(2018, 10, 30), date(2018, 11, 11)]
s = pd.Series(L*10**5)

a = s > date(2018, 3, 10)             # accepted solution #2, inefficient
b = pd.to_datetime(s) > '2018-03-10'  # more efficient, including datetime conversion

assert a.equals(b)                    # check solutions give same result

%timeit s > date(2018, 3, 10)                  # 40.5 ms
%timeit pd.to_datetime(s) > '2018-03-10'       # 33.7 ms

s = pd.to_datetime(s)

%timeit s > '2018-03-10'                       # 2.85 ms

Ответ 5

Вы должны перебирать элементы и анализировать их самостоятельно, а затем создавать новый список.

df['date'] = [dateutil.parser.parse(x) for x in df['date']]