Python 在DataFrame中，如何按天过滤timedelta64并将值更改为str？

因此，目前我正在从MySql中的一个表生成一个xlsx，该表有很多列，但就这一点而言，我只需要一个。 我正在使用pandas生成xlsx，我打开与数据库的连接，然后执行以下操作：

import pandas as pd

sql ='Select *from bd.teste'
df=pd.read_sql_query(sql,sql_con_obj.con)
df.to_excel(“generated.xlsx”)

如果我很快就会这样做：

df.info()

我要做这个：

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 147 entries, 0 to 146
Data columns (total 21 columns):
 #   Column               Non-Null Count  Dtype
---  ------               --------------  -----
 0   Number               147 non-null    object
 1   Date                 147 non-null    object
 ...
 20  IT                   147 non-null    object 
dtypes: object(20)
memory usage: 24.8+ KB

现在日期是在datetime中，它在这里

它显示在datetime64[ns]中的df.info中。 我想创建一个新列，该列将根据日期推断我当前的时间，并给出天数

df["Difference"]= pds.to_datetime("now") - df['Date']

因此，创建了表，表上的值与日期之间的差异匹配，生成的表是dtype timedelta64[ns]。现在出现了大问题。我想过滤7天和7天。

---

你知道怎么做吗？我虽然想到了ItErrors，但我不知道怎么做…

你可以使用

map

范例

df=pd.DataFrame({
“日期时间”：pd.date\u范围(
开始时间=pd.to_日期时间（'now'）-pd.TIMEDTA（天数=10），
end=pd.to_datetime（'现在'）
)
})

计算差额

df['difference']=pd.to_datetime（'now'）-df.datetime

输出

                     datetime              difference
0  2021-03-15 20:50:30.231135 10 days 00:00:06.153861
1  2021-03-16 20:50:30.231135  9 days 00:00:06.153861
2  2021-03-17 20:50:30.231135  8 days 00:00:06.153861
3  2021-03-18 20:50:30.231135  7 days 00:00:06.153861
4  2021-03-19 20:50:30.231135  6 days 00:00:06.153861
5  2021-03-20 20:50:30.231135  5 days 00:00:06.153861
6  2021-03-21 20:50:30.231135  4 days 00:00:06.153861
7  2021-03-22 20:50:30.231135  3 days 00:00:06.153861
8  2021-03-23 20:50:30.231135  2 days 00:00:06.153861
9  2021-03-24 20:50:30.231135  1 days 00:00:06.153861
10 2021-03-25 20:50:30.231135  0 days 00:00:06.153861

                     datetime              difference  less_than_7
0  2021-03-15 20:50:30.231135 10 days 00:00:06.153861        False
1  2021-03-16 20:50:30.231135  9 days 00:00:06.153861        False
2  2021-03-17 20:50:30.231135  8 days 00:00:06.153861        False
3  2021-03-18 20:50:30.231135  7 days 00:00:06.153861        False
4  2021-03-19 20:50:30.231135  6 days 00:00:06.153861         True
5  2021-03-20 20:50:30.231135  5 days 00:00:06.153861         True
6  2021-03-21 20:50:30.231135  4 days 00:00:06.153861         True
7  2021-03-22 20:50:30.231135  3 days 00:00:06.153861         True
8  2021-03-23 20:50:30.231135  2 days 00:00:06.153861         True
9  2021-03-24 20:50:30.231135  1 days 00:00:06.153861         True
10 2021-03-25 20:50:30.231135  0 days 00:00:06.153861         True

                     datetime Difference
0  2021-03-15 20:50:30.231135        >=7
1  2021-03-16 20:50:30.231135        >=7
2  2021-03-17 20:50:30.231135        >=7
3  2021-03-18 20:50:30.231135        >=7
4  2021-03-19 20:50:30.231135         <7
5  2021-03-20 20:50:30.231135         <7
6  2021-03-21 20:50:30.231135         <7
7  2021-03-22 20:50:30.231135         <7
8  2021-03-23 20:50:30.231135         <7
9  2021-03-24 20:50:30.231135         <7
10 2021-03-25 20:50:30.231135         <7

然后为少于7天的天数创建一个布尔列

df['less_than_7']=df.difference.dt.days<7天

输出

                     datetime              difference
0  2021-03-15 20:50:30.231135 10 days 00:00:06.153861
1  2021-03-16 20:50:30.231135  9 days 00:00:06.153861
2  2021-03-17 20:50:30.231135  8 days 00:00:06.153861
3  2021-03-18 20:50:30.231135  7 days 00:00:06.153861
4  2021-03-19 20:50:30.231135  6 days 00:00:06.153861
5  2021-03-20 20:50:30.231135  5 days 00:00:06.153861
6  2021-03-21 20:50:30.231135  4 days 00:00:06.153861
7  2021-03-22 20:50:30.231135  3 days 00:00:06.153861
8  2021-03-23 20:50:30.231135  2 days 00:00:06.153861
9  2021-03-24 20:50:30.231135  1 days 00:00:06.153861
10 2021-03-25 20:50:30.231135  0 days 00:00:06.153861

                     datetime              difference  less_than_7
0  2021-03-15 20:50:30.231135 10 days 00:00:06.153861        False
1  2021-03-16 20:50:30.231135  9 days 00:00:06.153861        False
2  2021-03-17 20:50:30.231135  8 days 00:00:06.153861        False
3  2021-03-18 20:50:30.231135  7 days 00:00:06.153861        False
4  2021-03-19 20:50:30.231135  6 days 00:00:06.153861         True
5  2021-03-20 20:50:30.231135  5 days 00:00:06.153861         True
6  2021-03-21 20:50:30.231135  4 days 00:00:06.153861         True
7  2021-03-22 20:50:30.231135  3 days 00:00:06.153861         True
8  2021-03-23 20:50:30.231135  2 days 00:00:06.153861         True
9  2021-03-24 20:50:30.231135  1 days 00:00:06.153861         True
10 2021-03-25 20:50:30.231135  0 days 00:00:06.153861         True

                     datetime Difference
0  2021-03-15 20:50:30.231135        >=7
1  2021-03-16 20:50:30.231135        >=7
2  2021-03-17 20:50:30.231135        >=7
3  2021-03-18 20:50:30.231135        >=7
4  2021-03-19 20:50:30.231135         <7
5  2021-03-20 20:50:30.231135         <7
6  2021-03-21 20:50:30.231135         <7
7  2021-03-22 20:50:30.231135         <7
8  2021-03-23 20:50:30.231135         <7
9  2021-03-24 20:50:30.231135         <7
10 2021-03-25 20:50:30.231135         <7

最后，将布尔列映射到新列

Difference

map_dict = {False : '>=7', True: '<7'}
df['Difference'] = df.less_than_7.map(map_dict)
df[['datetime', 'Difference']]

---

map_dict={False:'>=7'，True:'任何类型的条件设置都非常简单。只需使用.loc[condition，cols]=value即可

取样df：

from pandas import DataFrame, to_timedelta
df = DataFrame()
df["deltas"] = [to_timedelta(i, unit= "D") for i in range(1, 11)]
df
   deltas
0  1 days
1  2 days
2  3 days
3  4 days
4  5 days
5  6 days
6  7 days
7  8 days
8  9 days
9 10 days

如果您这样做：

cond = df["deltas"] > to_timedelta(7, unit= "D")

情况如下所示：

cond
0    False
1    False
2    False
3    False
4    False
5    False
6    False
7     True
8     True
9     True
Name: deltas, dtype: bool

您可以在.loc中使用它：


df.loc[cond, "deltas"] = "> 7"
df.loc[~cond, "deltas"] = "<= 7"

ddf
  deltas
0   <= 7
1   <= 7
2   <= 7
3   <= 7
4   <= 7
5   <= 7
6   <= 7
7    > 7
8    > 7
9    > 7


df.loc[cond，“三角洲”]=>7”
df.loc[~cond，“三角洲”]=“让我看看，如果我得到它，你改变数据框，只生成2列，规定了日期。第一个问题是，我不知道如何将我从mysql中提取的其他列放入数据框，我看到你可以手动操作，但值每天都在变化，所以行也在变化。当我尝试运行第一个代码时，它说“名称”to_timedelta“未定义”然后我尝试从datetime导入timedelta并给出相同的错误…这是一个pandas函数，因此：从pandas导入到_timedelta文档：确定我添加了pd。之前和现在显示此错误“值的长度（10）与索引的长度（145）不匹配”“我不能设定一个固定的范围，因为索引每天都在变化……是的，就是这样，我第三天搜索答案，你的成功了！非常感谢！是的，又成功了。你就是那个人！谢谢你