0

我创建了一个描述季节性的自定义函数，并希望通过将该函数应用于 pandas 数据帧中的一系列日期时间对象来向数据帧添加一个新列。我正在尝试创建一个列表，其中包含应用于数据框中日期的 date_season 函数的值。

下面的 date_season 函数中的所有变量都是 datetime.date 类型，但 'dif' 除外，它是一个 datetime.timedelta。

这是功能：

import datetime as dt
import pandas as pd

def date_season(date):
    year = date.year
    min_season = dt.date(year,1,1)
    max_season = dt.date(year,6,30)
    dif = abs(max_season - date)
    dif_days = dif.days
    x = (((max_season - min_season).days) - dif.days * 2) / (max_season - min_season).days
    seasonality = np.sin(x * (np.pi) / 2)
    return(seasonality)

以下是 pandas 数据框的创建方式：

start = dt.date(2017,1,1)
end = dt.date(2019,12,31)
df = pd.DataFrame({'Date': pd.date_range(start, end, freq="D")})

尝试使用季节性参数创建一个新列表：

z = []
for index, row in df.iterrows():
    z.append(date_season(row.Date))

这将返回错误消息：

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-105-63e9cb35ed55> in <module>()
      1 z = []
      2 for index, row in df.iterrows():
----> 3     z.append(date_season(row.Date))

<ipython-input-71-5e2b35e24e38> in date_season(date)
      3     min_season = dt.date(year,1,1)
      4     max_season = dt.date(year,6,30)
----> 5     dif = abs(max_season - date)
      6     dif_days = dif.days
      7     x = (((max_season - min_season).days) - dif.days * 2) / (max_season - min_season).days

pandas\_libs\tslibs\timestamps.pyx in 
pandas._libs.tslibs.timestamps._Timestamp.__sub__()

TypeError: descriptor '__sub__' requires a 'datetime.datetime' object but received a 'datetime.date'

尝试：

new_df = df.apply(lambda x: date_season(x))

返回

AttributeError: ("'Series' object has no attribute 'year'", 'occurred at index Date')

不确定为什么它需要 datetime.datetime 对象，因为该函数适用于 datetime.date 格式的单个输入。有没有更简单的方法来遍历日期并使用此函数的结果创建一个新列？

4

1 回答 1

1

您需要将 min_season 和 max_season 定义为 pandas 日期时间对象，而不是内置的 python 日期时间类。这很令人困惑，但它们并不完全可以互换。

def date_season(date):
    year = date.year
    #use pandas.datetime
    min_season = pd.datetime(year,1,1)
    max_season = pd.datetime(year,6,30)
    dif = abs(max_season - date)
    dif_days = dif.days
    x = (((max_season - min_season).days) - dif.days * 2) / (max_season - min_season).days
    seasonality = np.sin(x * (np.pi) / 2)
    return(seasonality)

现在，您可以对整个数据框使用 applymap，也可以在单个列上使用 apply。

new_df = df.applymap(date_season)

或者

df['Date'].apply(date_season)
于 2019-05-30T15:16:45.463 回答