Python 从今天减去数据帧值';日期
我有一个如下所示的数据帧:Python 从今天减去数据帧值';日期,python,pandas,dataframe,Python,Pandas,Dataframe,我有一个如下所示的数据帧: Name A B C D1 1 3 3 D2 2 4 4 D3 2 1 1 Name A B C D1 2018-04-26 2018-04-24 2018-04-24 D2 2018-04-25 2018-04-23 2018-04-23 D3 2018-04-25 2018-04-26 2
Name A B C
D1 1 3 3
D2 2 4 4
D3 2 1 1
Name A B C
D1 2018-04-26 2018-04-24 2018-04-24
D2 2018-04-25 2018-04-23 2018-04-23
D3 2018-04-25 2018-04-26 2018-04-26
如何创建一个大小相同的新数据框,其中每个值都是今天的日期减去第一个数据框的值
例如,如果今天是2018-04-27,我的新数据帧将如下所示:
Name A B C
D1 1 3 3
D2 2 4 4
D3 2 1 1
Name A B C
D1 2018-04-26 2018-04-24 2018-04-24
D2 2018-04-25 2018-04-23 2018-04-23
D3 2018-04-25 2018-04-26 2018-04-26
我认为解决方案将包括以下内容
df2.iloc[1,1] = datetime.today() - timedelta(days=df1[1,1])
但是我在原始df中遇到了各种类型的错误和问题
import datetime as dt
from datetime import timedelta
import pandas as pd
df = pd.DataFrame({'Name':['D1','D2','D3'],'A':[1,2,2],'B':[3,4,1],'C':[3,4,1]})
df.set_index('Name', inplace=True)
df2 = df.applymap(lambda x: dt.date.today() - timedelta(days = x))
df2
A B C
Name
D1 2018-04-26 2018-04-24 2018-04-24
D2 2018-04-25 2018-04-23 2018-04-23
D3 2018-04-25 2018-04-26 2018-04-26
是你想要用的东西
编辑:添加导入以避免日期时间导入出现问题,如图所示。最好不要使用
applymap
df.set_index('Name', inplace=True)
pd.to_datetime('today').date()-df.apply(pd.to_timedelta,unit='d')
Out[428]:
A B C
Name
D1 2018-04-26 2018-04-24 2018-04-24
D2 2018-04-25 2018-04-23 2018-04-23
D3 2018-04-25 2018-04-26 2018-04-26
您可以展平数据帧的值,以便将它们传递给
pd.to_timedelta()
。这使您无需使用.applymap()
或.apply()
:
结果:
>>> df2
A B C
Name
D1 2018-04-26 2018-04-24 2018-04-24
D2 2018-04-25 2018-04-23 2018-04-23
D3 2018-04-25 2018-04-26 2018-04-26
>>> df2.dtypes
A datetime64[ns]
B datetime64[ns]
C datetime64[ns]
dtype: object
美好的如果你想避免导入
datetime
,你也可以使用这个lambda:lambda x:pd.to_datetime('today')-pd.to_timedelta(str(x)+'d')
@sacul最好不要使用applymap,我担心速度:-(