熊猫从日期类型列获取星期几

Question

我使用的是Python 3.6和Pandas 0.20.3.

我有一个列,我已从datetime转换为日期类型.我只需要约会.为了便于使用,我将它作为派生列.但我希望通过一周中的一天计算进行一些进一步的操作.我可以从日期时间类型获取星期几,但不能从日期开始.在我看来,这应该是可能的,但我尝试了多种变化而没有找到成功.

这是一个例子:

import numpy as np
import pandas as pd
df = pd.DataFrame({'date':['2017-5-16','2017-5-17']})
df['trade_date']=pd.to_datetime(df['date'])

我可以从datetime列'trade_date'获取星期几.

df['dow']=df['trade_date'].dt.dayofweek
df
    date    trade_date  dow
0   2017-5-16   2017-05-16  1
1   2017-5-17   2017-05-17  2

但是,如果我有一个约会,而不是一个约会时间,没有骰子:例如:

df['trade_date_2']=pd.to_datetime(df['date']).dt.date

然后:

df['dow_2']=df['trade_date_2'].dt.dayofweek

我得到(最后):

AttributeError: Can only use .dt accessor with datetimelike values

我已经尝试了dayofweek(),工作日,工作日()的各种组合,我意识到这些组合突出了我对Pandas究竟是如何工作的无知.那么...除了添加另一列的任何建议,这是列trade_date的日期时间版本？我也欢迎解释为什么这不起作用.

Answer 1

存在的问题是pandas datetime(时间戳)实现.dt方法和python date不实现方法之间的区别.

#return python date
df['trade_date_2']= pd.to_datetime(df['date']).dt.date

print (df['trade_date_2'].apply(type))
0    <class 'datetime.date'>
1    <class 'datetime.date'>
Name: trade_date_2, dtype: object

#cannot work with python date
df['dow_2']=df['trade_date_2'].dt.dayofweek

需要转换为pandas datetime:

df['dow_2']= pd.to_datetime(df['trade_date_2']).dt.dayofweek

print (df)
        date trade_date_2  dow_2
0  2017-5-16   2017-05-16      1
1  2017-5-17   2017-05-17      2

所以最好用的是:

df['date'] = pd.to_datetime(df['date'])
print (df['date'].apply(type))
0    <class 'pandas._libs.tslib.Timestamp'>
1    <class 'pandas._libs.tslib.Timestamp'>
Name: date, dtype: object

df['trade_date_2']= df['date'].dt.date
df['dow_2']=df['date'].dt.dayofweek
print (df)
        date trade_date_2  dow_2
0 2017-05-16   2017-05-16      1
1 2017-05-17   2017-05-17      2

编辑:

谢谢Bharath shetty寻求解决方案python date- 失败了NaT:

df = pd.DataFrame({'date':['2017-5-16',np.nan]})

df['trade_date_2']= pd.to_datetime(df['date']).dt.date
df['dow_2'] = df['trade_date_2'].apply(lambda x: x.weekday()) 

AttributeError:'float'对象没有属性'weekday'

比较解决方案:

df = pd.DataFrame({'date':['2017-5-16','2017-5-17']})
df = pd.concat([df]*10000).reset_index(drop=True)

def a(df):
    df['trade_date_2']= pd.to_datetime(df['date']).dt.date
    df['dow_2'] = df['trade_date_2'].apply(lambda x: x.weekday()) 
    return df

def b(df):
    df['date1'] = pd.to_datetime(df['date'])
    df['trade_date_21']= df['date1'].dt.date
    df['dow_21']=df['date1'].dt.dayofweek
    return (df)

def c(df):
    #dont write to column, but to helper series 
    dates = pd.to_datetime(df['date'])
    df['trade_date_22']= dates.dt.date
    df['dow_22']=        dates.dt.dayofweek
    return (df)

In [186]: %timeit (a(df))
10 loops, best of 3: 101 ms per loop

In [187]: %timeit (b(df))
10 loops, best of 3: 90.8 ms per loop

In [188]: %timeit (c(df))
10 loops, best of 3: 91.9 ms per loop