从熊猫数据框日期列中减去一天答案

【问题标题】：subtract one day from a pandas dataframe date column从熊猫数据框日期列中减去一天
【发布时间】：2020-12-30 11:04:45
【问题描述】：

对不起，我缺乏 Pandas 和 datetime 能力。我已经尝试过，但有些东西似乎超出了我目前有限的技能范围。

我正在使用日期列 (FinalStartPunch)，它键入 datetime64[ns]，如果 Hour 为 0，则从 datetime64[ns] 列（日期）中减去一天。如果 FinalStartPunch 小时不是 0，则只需照原样复制日期列值。

样本数据：

date         FinalStartPunch
6/27/2015   27JUN2015:14:15:00
7/23/2015   23JUL2015:13:31:00
7/23/2015   23JUL2015:18:43:00
8/15/2015   15AUG2015:18:35:00
8/15/2015   15AUG2015:23:30:00
8/16/2015   16AUG2015:00:00:00
1/30/2016   30JAN2016:18:25:00
1/30/2016   30JAN2016:23:52:00
1/31/2016   31JAN2016:00:00:00
8/13/2016   13AUG2016:18:30:00
8/13/2016   13AUG2016:23:58:00
8/14/2016   14AUG2016:00:00:00
1/28/2017   28JAN2017:18:30:00
1/28/2017   28JAN2017:23:57:00
1/29/2017   29JAN2017:00:00:00

关键代码部分：

df['New'] = df['date'] - pd.Timedelta(1, unit='D')  ### This one works
print(df.dtypes)

conds = [df['FinalStartPunch'].dt.hour == 0, df['FinalStartPunch'].dt.hour > 0]

choices = [df['date'] - pd.Timedelta(1, unit='D'), df['date']]

df['Date1'] = np.select(conds, choices, default=0)

错误：无效的类型提升

df['New'] 在选择行中使用相同的代码，这似乎是导致错误的问题。

也许是一个 Numpy 问题，我需要一种不同的方法来做到这一点？

任何帮助 - 非常感谢。

【问题讨论】：

标签： pandas datetime type-promotion

【解决方案1】：

您可以使用.dt.hour == 0 和np.where() 来识别小时为0 的行，并使用- pd.tseries.offsets.Day() 来减去一天。

df['date'] = pd.to_datetime(df['date'])
df['FinalStartPunch'] = pd.to_datetime(df['FinalStartPunch'], format='%d%b%Y:%H:%M:%S')
df['Date1'] = df['FinalStartPunch'].where((df['FinalStartPunch'].dt.hour != 0),
                                                    df['date'] - pd.tseries.offsets.Day())
df
Out[37]: 
         date     FinalStartPunch               Date1
0  2015-06-27 2015-06-27 14:15:00 2015-06-27 14:15:00
1  2015-07-23 2015-07-23 13:31:00 2015-07-23 13:31:00
2  2015-07-23 2015-07-23 18:43:00 2015-07-23 18:43:00
3  2015-08-15 2015-08-15 18:35:00 2015-08-15 18:35:00
4  2015-08-15 2015-08-15 23:30:00 2015-08-15 23:30:00
5  2015-08-16 2015-08-16 00:00:00 2015-08-15 00:00:00
6  2016-01-30 2016-01-30 18:25:00 2016-01-30 18:25:00
7  2016-01-30 2016-01-30 23:52:00 2016-01-30 23:52:00
8  2016-01-31 2016-01-31 00:00:00 2016-01-30 00:00:00
9  2016-08-13 2016-08-13 18:30:00 2016-08-13 18:30:00
10 2016-08-13 2016-08-13 23:58:00 2016-08-13 23:58:00
11 2016-08-14 2016-08-14 00:00:00 2016-08-13 00:00:00
12 2017-01-28 2017-01-28 18:30:00 2017-01-28 18:30:00
13 2017-01-28 2017-01-28 23:57:00 2017-01-28 23:57:00
14 2017-01-29 2017-01-29 00:00:00 2017-01-28 00:00:00

【讨论】：

谢谢。由于我的沟通不畅，这很有效，只需稍作改动。我还想知道为什么另一种方法不起作用。仍然必须弄清楚这个日期输入难题。很高兴从有才华的人那里得到帮助。
@user2016566 ，没问题！如果它帮助您解决，请接受。关于 np.slect，这通常对我有用，但我只在多个条件和结果中使用它。不知道为什么它不适用于一种条件和一种结果。

【解决方案2】：

df.loc[df['FinalStartPunch'].dt.hour == 0, 'FinalStartPunch'] = df['FinalStartPunch'] - pd.Timedelta(1, unit='D')

您可以使用 .loc 搜索这些时间，然后减去日期。

【讨论】：