Python 如何操作datetime对象以获取上个月的最后日期

我有一个熊猫数据框，希望将所有日期转换为上个月的最后一个日期。例如，“2020-02-04”应该变成“2020-01-31”，“2020-03-03”应该变成“2020-02-28”等等。我的df如下所示（在“月份”列中，我已经有了我想要的日期的正确月份）：

现在我试着这样做：

import calendar
import datetime
today = datetime.now()
dfall.date = str(today.year) + "-" + str(dfall.month) + "-" + str(calendar.monthrange(today.year,dfall.month)[1])

这个想法是通过将字符串添加到一起来构建新的日期。但此代码会引发一个错误：

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

---

我知道错误来自这一部分：

str（calendar.monthrange（today.year，dfall.month）[1]）

（没有这一部分，代码运行时不会出错，但结果不是我想要的）。这可能是因为python不知道从

dfall.month

中取哪个月。有人知道我如何处理这个问题吗？

作为替代方案，您可以尝试以下方法：

dfall.date=dfall.date.apply(lambda x: x.replace(day=1)- pd.Timedelta(days=1))

dfall.date=pd.to_datetime(dfall.date).apply(lambda x: x.replace(day=1)- pd.Timedelta(days=1))

如果

dfall.date

是字符串类型，请尝试以下操作：

dfall.date=dfall.date.apply(lambda x: x.replace(day=1)- pd.Timedelta(days=1))

dfall.date=pd.to_datetime(dfall.date).apply(lambda x: x.replace(day=1)- pd.Timedelta(days=1))

---

您可以尝试另一个矢量化的替代方案，由，以避免使用

df.apply（lambda x:x.replace（day=1））

和：

---

如果要保留原始解决方案，请执行以下操作：

• 将

  str（dfall.month）

  更改为

  dfall.month.astype（str）

• 将

  str（calendar.monthrange（today.year，dfall.month）[1]）

  更改为

  dfall.month.apply（lambda x:calendar.monthrange（today.year，x）[1]）。astype（str

• 一旦你有了这个字符串，你应该将它转换为datetime:

  pd.to\u datetime（dfall.date）

---

所有解决方案的输出：

dfall[["date", "month"]]

        date  month
0 2020-01-31      1
1 2020-02-29      2
2 2020-03-31      3
3 2020-04-30      4
4 2020-05-31      5
5 2020-06-30      6

---

作为替代方案，您可以尝试以下方法：

dfall.date=dfall.date.apply(lambda x: x.replace(day=1)- pd.Timedelta(days=1))

dfall.date=pd.to_datetime(dfall.date).apply(lambda x: x.replace(day=1)- pd.Timedelta(days=1))

如果

dfall.date

是字符串类型，请尝试以下操作：

dfall.date=dfall.date.apply(lambda x: x.replace(day=1)- pd.Timedelta(days=1))

dfall.date=pd.to_datetime(dfall.date).apply(lambda x: x.replace(day=1)- pd.Timedelta(days=1))

---

您可以尝试另一个矢量化的替代方案，由，以避免使用

df.apply（lambda x:x.replace（day=1））

和：

---

如果要保留原始解决方案，请执行以下操作：

• 将

  str（dfall.month）

  更改为

  dfall.month.astype（str）

• 将

  str（calendar.monthrange（today.year，dfall.month）[1]）

  更改为

  dfall.month.apply（lambda x:calendar.monthrange（today.year，x）[1]）。astype（str

• 一旦你有了这个字符串，你应该将它转换为datetime:

  pd.to\u datetime（dfall.date）

---

所有解决方案的输出：

dfall[["date", "month"]]

        date  month
0 2020-01-31      1
1 2020-02-29      2
2 2020-03-31      3
3 2020-04-30      4
4 2020-05-31      5
5 2020-06-30      6

备选办法：

import datetime

for index, d in df.iterrows():
    temp = d["date"]
    dtObj = datetime.datetime.strptime(temp, "%Y-%m-%d")
    newDt = dtObj - datetime.timedelta(days=dtObj.day)
    df["date"][index] = datetime.datetime.strftime(newDt, "%Y-%m-%d")

从datetime导入datetime，TimeDelta
def转换日期（日期）：
date=datetime.strTime（日期“%Y-%m-%d”）
return（date-timedelta（days=date.day））.strftime（“%Y-%m-%d”）
dfall.date.apply（转换日期）

替代方法：

import datetime

for index, d in df.iterrows():
    temp = d["date"]
    dtObj = datetime.datetime.strptime(temp, "%Y-%m-%d")
    newDt = dtObj - datetime.timedelta(days=dtObj.day)
    df["date"][index] = datetime.datetime.strftime(newDt, "%Y-%m-%d")

从datetime导入datetime，TimeDelta
def转换日期（日期）：
date=datetime.strTime（日期“%Y-%m-%d”）
return（date-timedelta（days=date.day））.strftime（“%Y-%m-%d”）
dfall.date.apply（转换日期）

假设

'date'

列是字符串类型（使用

.astype（str）

或

strftime

否则），您可以将年-月部分转换为

datetime

并减去一天的

timedelta

：

dfall['lastdaylastmonth'] = pd.to_datetime(dfall['date'].str[:-3]) - pd.Timedelta(days=1)

# dfall['lastdaylastmonth']
# 0   2020-01-31
# 1   2020-02-29
# 2   2020-03-31
# 3   2020-04-30
# 4   2020-05-31
# 5   2020-06-30
# Name: lastdaylastmonth, dtype: datetime64[ns]

---

假设

'date'

列的类型为string（使用

.astype（str）

或

strftime

否则），您可以将年-月部分转换为

datetime

并减去一天的

timedelta

：

dfall['lastdaylastmonth'] = pd.to_datetime(dfall['date'].str[:-3]) - pd.Timedelta(days=1)

# dfall['lastdaylastmonth']
# 0   2020-01-31
# 1   2020-02-29
# 2   2020-03-31
# 3   2020-04-30
# 4   2020-05-31
# 5   2020-06-30
# Name: lastdaylastmonth, dtype: datetime64[ns]

另一种方法：

import datetime

for index, d in df.iterrows():
    temp = d["date"]
    dtObj = datetime.datetime.strptime(temp, "%Y-%m-%d")
    newDt = dtObj - datetime.timedelta(days=dtObj.day)
    df["date"][index] = datetime.datetime.strftime(newDt, "%Y-%m-%d")

另一种方法：

import datetime

for index, d in df.iterrows():
    temp = d["date"]
    dtObj = datetime.datetime.strptime(temp, "%Y-%m-%d")
    newDt = dtObj - datetime.timedelta(days=dtObj.day)
    df["date"][index] = datetime.datetime.strftime(newDt, "%Y-%m-%d")

---

从日期时间导入日期时间

日期表 日期=[日期时间（2020,2,4），日期时间（2020,3,3）， datetime（2020,4,2），datetime（2020,5,5）， 日期时间（2020,6,3），日期时间（2020,7,2）]

“月份”列的值 月份=[1,2,3,4,5,6]

创建以日期为索引的系列 ts=pd.系列（月，指数=日期）

班次可追溯到一个月前，并储存在date_col 日期列=ts.shift（-1，freq='M'）。索引

将修改后的日期用作DataFrame中的列

---

pd.DataFrame（{'Dates'：date\u col，'Month'：Month}）

from datetime import datetime

日期表 日期=[日期时间（2020,2,4），日期时间（2020,3,3）， datetime（2020,4,2），datetime（2020,5,5）， 日期时间（2020,6,3），日期时间（2020,7,2）]

“月份”列的值 月份=[1,2,3,4,5,6]

创建以日期为索引的系列 ts=pd.系列（月，指数=日期）

班次可追溯到一个月前，并储存在date_col 日期列=ts.shift（-1，freq='M'）。索引

将修改后的日期用作DataFrame中的列

---

pd.DataFrame（{'Dates'：date_col，'Month'：Month}）

谢谢您，这是有效的，但不幸的是，格式看起来像“2020-1-31”，pandas无法将其转换为datetime对象。这需要是“2020-01-31”。不管怎样，我从下面的答案中找到了一个解决方案。谢谢你，这是可行的，但不幸的是，格式看起来像“2020-1-31”，熊猫无法将其转换为datetime对象。这需要是“2020-01-31”。不管怎样，我从下面的答案中找到了一个解决方案。如果你考虑接受或支持一个答案来奖励那些帮助过你的人，那就好了，或者如果你有错误的地方，你也可以留下评论。是的，你是对的，我对每个答案都投了赞成票，但还没有接受。我知道：）别担心！很高兴你找到了答案：“如果你考虑接受或支持一个答案来奖励那些帮助过你的人，或者如果你有错误的地方，你也可以留下评论的话，那么TyHyooIT会很好。”是的，你是对的，我对每个答案都投了赞成票，但还没有接受。我知道：）别担心！很高兴你找到了答案：）@thyhmoo