Python 数据帧中使用日期的列算法

我想这应该很容易，但我遇到了点麻烦。我有一个数据集，它是从Stata.dta文件导入到pandas数据帧中的。其中有几列包含日期数据。dataframe包含100000多行，但给出了一个示例：

   cat  event_date  total
0   G2  2006-03-08     16
1   G2         NaT    NaN
2   G2         NaT    NaN
3   G3  2006-03-10     16
4   G3  2006-08-04     12
5   G3  2006-12-28     13
6   G3  2007-05-25     10
7   G4  2006-03-10     13
8   G4  2006-08-06     19
9   G4  2006-12-30     16

数据以datetime64格式存储：

>>> mydata[['cat','event_date','total']].dtypes
cat                    object
event_date     datetime64[ns]
total                 float64
dtype: object

我想做的就是创建一个新的列，给出事件日期和开始日期（比如2006-01-01）之间的天数差（而不是“us”或“ns”！！）。我尝试了以下方法：

>>> mydata['new'] = mydata['event_date'] - np.datetime64('2006-01-01')

……但我明白了：

TypeError: ufunc 'isnan' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

我也尝试过lambda函数，但也不起作用

但是，如果我只想在每个日期加上一天，我就可以成功地使用：

>>> mydata['plusone'] = mydata['event_date'] + np.timedelta64(1,'D')

那很好

我是不是错过了一些简单的东西

---

提前感谢您的帮助。

不确定为什么numpy

datetime 64

与pandas数据类型不兼容，但使用

datetime

对象对我来说效果很好：

In [39]:

import datetime as dt
mydata['new'] = mydata['event_date'] - dt.datetime(2006,1,1)
mydata
Out[39]:
      cat event_date  total      new
Index                               
0      G2 2006-03-08     16  66 days
1      G2        NaT    NaN      NaT
2      G2        NaT    NaN      NaT
3      G3 2006-03-10     16  68 days
4      G3 2006-08-04     12 215 days
5      G3 2006-12-28     13 361 days
6      G3 2007-05-25     10 509 days
7      G4 2006-03-10     13  68 days
8      G4 2006-08-06     19 217 days
9      G4 2006-12-30     16 363 days

---

确保您拥有pandas和numpy的最新版本（>=1.7）：

---

你的问题很奇怪，我无法解释，但以下几点对我起了作用：

import datetime as dt mydata['new']=mydata['event\u date']-dt.datetime（2006,1,1）

你能确认我的工作吗？在任何情况下都可以避免直接使用

np.datetime 64

，也就是说，这是一个bug：工作得很好-非常感谢！但我仍然有点困惑——当日期和时间信息以datetime64的形式存储在pandas数据帧中时，这不是一种numpy格式吗？如果是这样的话，为什么datetime起作用而datetime64不起作用？@user1718097这让我很困惑，我没有答案，希望Pandas dev的一条评论刚刚看到Jeff的评论，这是一个bug，应该在未来的版本中修复，你也可以升级；）@user1718097最好将bug直接发布到，而不是在这里，所以，如果你知道这是一个有时候很难分辨的bug，谢谢你的信息-工作非常完美。几乎同时使用dt.datetime（）而不是pd.Timestamp（）给出了一个非常类似的解决方案。我之所以将该答案标记为已接受，只是因为我在过去更频繁地使用datetime（）。但这一解决方案同样有效。

In [11]: df.event_date - pd.Timestamp('2006-01-01')
Out[11]:
0    66 days
1        NaT
2        NaT
3    68 days
4   215 days
5   361 days
6   509 days
7    68 days
8   217 days
9   363 days
Name: event_date, dtype: timedelta64[ns]