在“ datetime.date”和“ str”的实例之间不支持“ <”

Question

我收到一个TypeError：

TypeError: '<' not supported between instances of 'datetime.date' and 'str'`

在运行以下代码时：

import requests 
import re 
import json 
import pandas as pd 

def retrieve_quotes_historical(stock_code):
    quotes = []
    url = 'https://finance.yahoo.com/quote/%s/history?p=%s' % (stock_code, stock_code)
    r = requests.get(url)
    m = re.findall('"HistoricalPriceStore":{"prices":(.*?),"isPending"',
r.text)
    if m:
        quotes = json.loads(m[0])
        quotes = quotes[::-1]
    return  [item for item in quotes if not 'type' in item]

quotes = retrieve_quotes_historical('INTC')
df=pd.DataFrame(quotes)

s=pd.Series(pd.to_datetime(df.date,unit='s'))
df.date=s.dt.date
df=df.set_index('date')

这段代码运行得很顺利，但是当我尝试运行这段代码时：

df['2017-07-07':'2017-07-10']

我得到TypeError。

谁能帮我？

Answer 1

问题是'2017-07-07'当索引类型为datetime.date时，您想使用Strings进行切片。您的切片也应该属于这种类型。

您可以通过如下定义开始日期和结束时间来做到这一点：

import pandas as pd

startdate = pd.to_datetime("2017-7-7").date()
enddate = pd.to_datetime("2017-7-10").date()
df.loc[startdate:enddate]

startdate和enddate现在为datetime.date类型，您的分片将起作用：

    adjclose    close   high    low open    volume
date                        
2017-07-07  33.205006   33.880001   34.119999   33.700001   33.700001   18304500
2017-07-10  32.979588   33.650002   33.740002   33.230000   33.250000   29918400

也可以创建没有熊猫的datetime.date类型：

import datetime

startdate = datetime.datetime.strptime('2017-07-07', "%Y-%m-%d").date()
enddate = datetime.datetime.strptime('2017-07-10', "%Y-%m-%d").date()

Answer 2

除了Paul的回答之外，还有几点需要注意：

\n

\n

• pd.to_datetime(df[\'date\'],unit=\'s\')已经返回 aSeries所以你不需要包装它。

  \n
\n

• 此外，当解析成功时，返回的值为Seriesdatetime64 [ns] (timezone-na\xc3\xafve) 或 datetime64[ns, tz] (timezone-aware)。如果解析失败，它仍然可能返回一个没有错误的 Series，其 dtype为“object”（至少在 pandas 1.2.4 中），表示回退到 Python 的 stdlib 。pd.to_datetimedtypeOdatetime.datetime

  \n
\n

• 使用字符串进行过滤，仅当索引的 为df[\'2017-07-07\':\'2017-07-10\']时才有效，而当索引为(objectdtypedatetime64[...]O

  \n
\n

\n

因此，有了所有这些，您的示例只需更改最后几行即可运行：

\n

df = pd.DataFrame(quotes)\ns = pd.to_datetime(df[\'date\'],unit=\'s\')   # no need to wrap in Series\nassert str(s.dtype) == \'datetime64[ns]\'   # VERY IMPORTANT!!!!\ndf.index = s\nprint(df[\'2020-08-01\':\'2020-08-10\'])    # it now works!\n

\n

它产生：

\n

df = pd.DataFrame(quotes)\ns = pd.to_datetime(df[\'date\'],unit=\'s\')   # no need to wrap in Series\nassert str(s.dtype) == \'datetime64[ns]\'   # VERY IMPORTANT!!!!\ndf.index = s\nprint(df[\'2020-08-01\':\'2020-08-10\'])    # it now works!\n

\n

最后还要注意，如果您的日期时间格式以某种方式包含时间偏移量，则似乎有一个强制utc=True参数需要添加（在 Pandas 1.2.4 中）到pd.to_datetime，否则即使解析成功，返回的 dtype 也将是“O”。我希望这在未来会有所改善，因为它根本不直观。

\n

有关详细信息，请参阅to_datetime文档。

\n