Pandas np.其中条件第一个实例ok，第二个实例抛出错误

我有一个pandas数据框，其中有一个日期列，包含第一天（“欧洲”）和第一个月（美国）的日期。我有一个单独的int类型列，其中包含“year”值。df.year2017的日期字符串为第一天

我使用一个np.where条件将日期字符串中的月和日分隔成单独的列，以在其后构建日期时间。所以我有这些数据：

'year' 'number' 'date'
2016    75  01/05/2017 00:00
2016    75  01/06/2017 00:00
2016    75  01/06/2017 00:00
2016    75  01/06/2017 00:00
2016    75  01/06/2017 00:00
2016    75  01/09/2017 00:00
2016    75  01/09/2017 00:00
2016    75  01/10/2017 00:00
2016    75  01/10/2017 00:00
2017    0   01/01/2017 00:00
2017    0   01/01/2017 00:00
2017    0   01/01/2017 00:00
2017    0   01/01/2017 00:00
2017    0   02/01/2017 00:00
2017    0   03/01/2017 00:00
2017    0   04/01/2017 00:00
2017    0   04/01/2017 00:00
2017    0   04/01/2017 00:00
2017    0   04/01/2017 00:00
2017    0   05/01/2017 00:00

我已经使用它创建了月份值：

df['dt_mo'] = np.where(df.year<2017,df.date.str.extract(r'(\d+)\/\d+\/\d+'), df.date.str.extract(r'\d+\/(\d+)\/\d+'))

或

---

（2）df['dt_dy']=np.where（df.year似乎您最终想要创建
datetime
，所以从一开始就用
np.where
指定不同的格式创建它。如果您需要天数，现在可以使用
datetime
访问器

import numpy as np
import pandas as pd

df['my_date'] = np.where(df.year < 2017, 
                         pd.to_datetime(df.date, format='%m/%d/%Y %H:%M', errors='coerce'),
                         pd.to_datetime(df.date, format='%d/%m/%Y %H:%M', errors='coerce'))

太棒了！我还有另外两列，其中包含零星的开始时间和结束时间。在创建这些时间后，我可以将它们中的一个或两个添加到相应的日期时间吗？@jrbwt当然可以。只要您将它们转换为
timedelta
或
datetime
，您就可以添加它们。
(2)df['dt_dy'] = np.where(df.year<2017,df.date.str.extract(r'\d+\/(\d+)\/\d+'), df.date.str.extract(r'(\d+)\/\d+\/\d+'))

import numpy as np
import pandas as pd

df['my_date'] = np.where(df.year < 2017, 
                         pd.to_datetime(df.date, format='%m/%d/%Y %H:%M', errors='coerce'),
                         pd.to_datetime(df.date, format='%d/%m/%Y %H:%M', errors='coerce'))

    year  number              date    my_date
0   2016      75  01/05/2017 00:00 2017-01-05
1   2016      75  01/06/2017 00:00 2017-01-06
2   2016      75  01/06/2017 00:00 2017-01-06
3   2016      75  01/06/2017 00:00 2017-01-06
4   2016      75  01/06/2017 00:00 2017-01-06
5   2016      75  01/09/2017 00:00 2017-01-09
6   2016      75  01/09/2017 00:00 2017-01-09
7   2016      75  01/10/2017 00:00 2017-01-10
8   2016      75  01/10/2017 00:00 2017-01-10
9   2017       0  01/01/2017 00:00 2017-01-01
10  2017       0  01/01/2017 00:00 2017-01-01
11  2017       0  01/01/2017 00:00 2017-01-01
12  2017       0  01/01/2017 00:00 2017-01-01
13  2017       0  02/01/2017 00:00 2017-01-02
14  2017       0  03/01/2017 00:00 2017-01-03
15  2017       0  04/01/2017 00:00 2017-01-04
16  2017       0  04/01/2017 00:00 2017-01-04
17  2017       0  04/01/2017 00:00 2017-01-04
18  2017       0  04/01/2017 00:00 2017-01-04
19  2017       0  05/01/2017 00:00 2017-01-05