首页 文章

如何让python将“YYYY W ##”识别为日期时间对象，然后填充少于一周的添加时间对象

提问于
浏览 次
1

我有一个数据框，包括列 Name （名称）， value （2016年发生事件的那一周）， binary （事件发生的指示，"1"），例如：

df 
    Name      value      binary
    apple     2016 W16   1
    orange    2016 W17   1
    melon     2016 W20   1
    berry     2016 W17   1
    lime      2016 W19   1

我有兴趣在此数据框中添加行，以便每个 Name （苹果，橙等）在事件发生前的几周内在 value 列中都有一个项目 . 同样，事件发生的那一周在 df 中被声明为 value 列 . 感兴趣的时间段是2016 W16和2016 W19之间的周数，例如：

start_end_weeks
     week
     2016 W16
     2016 W17
     2016 W18
     2016 W19

我的问题是我需要在2016年W16和2016年W19之间填充几周内未在 df 中表示的行 . 这就是我的意思：

df_result 
    Name      value      binary
    apple     2016 W16   1
    orange    2016 W16   0
    orange    2016 W17   1
    melon     2016 W16   0
    melon     2016 W17   0
    melon     2016 W18   0
    melon     2016 W19   0
    melon     2016 W20   1
    berry     2016 W17   1
    lime      2016 W19   1
    ...

但是由于 value 不是't a traditional date time object, I'我不知道如何让python认识到2016 W16发生在2016 W17之前，然后只在 value 中 value 中所述的周之前填充值 .

我在哪里开始遇到麻烦，所以如果有人能帮助我将 value 转换为一个很棒的日期时间对象，我可以从那里开始 . 任何其他见解赞赏 .

我发现这个堆栈溢出问题到目前为止我都是：Match rows in one Pandas dataframe to another based on three columns .

python pandas numpy datetime dataframe

2 回答

  • 2

    您可以按如下方式获得有效的日期时间：

    from datetime import datetime

df['year'] = df.value.str.split(' W').str[0]
df['week'] = df.value.str.split(' W').str[1]
df['date'] = df.apply(lambda x: datetime.strptime(
    x.year + '-' + x.week + '-0', '%Y-%W-%w'), axis=1)

    结果将是：

    Name    value  binary   year    week    date
0   apple   2016 W16    1   2016    16      2016-04-24
1   orange  2016 W17    1   2016    17      2016-05-01
2   melon   2016 W20    1   2016    20      2016-05-22
3   berry   2016 W17    1   2016    17      2016-05-01
4   lime    2016 W19    1   2016    19      2016-05-15
    回复于
  • 1

    如果您需要转换为日期

    import datetime
df.value.apply(lambda x : datetime.datetime.strptime(x + '-0', "%Y W%W-%w"))
Out[133]: 
0   2016-04-24
1   2016-05-01
2   2016-05-22
3   2016-05-01
4   2016-05-15
Name: value, dtype: datetime64[ns]

    没有改变我要使用的日期 reindex 与 groupby

    df1=df.groupby('Name')['binary','value'].apply(lambda x : x.set_index('value').\
           reindex(['2016 W16','2016 W17','2016 W18','2016 W19','2016 W20']))

df1.loc[df1.groupby(level=0).binary.bfill().dropna().index].fillna(0).reset_index()
Out[65]: 
      Name     value  binary
0    apple  2016 W16     1.0
1    berry  2016 W16     0.0
2    berry  2016 W17     1.0
3     lime  2016 W16     0.0
4     lime  2016 W17     0.0
5     lime  2016 W18     0.0
6     lime  2016 W19     1.0
7    melon  2016 W16     0.0
8    melon  2016 W17     0.0
9    melon  2016 W18     0.0
10   melon  2016 W19     0.0
11   melon  2016 W20     1.0
12  orange  2016 W16     0.0
13  orange  2016 W17     1.0
    回复于

相关问题