根据不同类型的值派生日期列答案

【问题标题】：Derive date column based on different types of values根据不同类型的值派生日期列
【发布时间】：2020-05-19 02:09:44
【问题描述】：

我有一个如下所示的数据框

df = pd.DataFrame({'subject_id' :[1,2,3,4,5],
                        'date_of_interview':['2007-05-27','2008-03-13','2010-11-19','2011-10-05','2004-11-02'],
                        'Age':[31,35,78,72,43],
                        'value':[6,0.33,1990,np.nan,2001],
                        'age_detected':[25,35,98,65,40]})
df['date_of_interview'] = pd.to_datetime(df['date_of_interview'])

我想基于value 和age_detected 列创建一个名为dis_date 的新列

例如：subject_id = 1 的 date_of_interview 为 2007-05-27。如果我们查看他的值列，我们可以看到他的值为 6，这意味着我们必须从 date_of_interview 中减去 6 年才能得到 2001-05-27 作为 dis_date

而如果你看一下 subject_id = 3，他在 value 列中有一个年份值，所以他的 dis_date 将是1990-11-19

当 value 列中有NA 时，我们必须查看他的age_detected 列并从Age 中减去它以获得年数。

例如：subject_id = 4 的 Age 为 72，AGE_DETECTED 为 65。现在 diff 是 7，他的 dis_date 将是 2004-10-05

如果少于 6 位数字表示没有年份，请注意值列中的值。如果为 1，则表示减去 1 年。如果它是 0.33 意味着减去 4 个月。 1 年 = 12 个月。 0.33 = 3.96 个月（4 个月）

我正在尝试这样的事情，但它没有帮助

for i in range(len(df['value'])):

    if (len(str(df['value'][i]))) < 6:
        df['dis_date'] = df['date_of_interview'] - pd.DateOffset(years=df['value'][i])

我希望我的输出如下所示

【问题讨论】：

您如何定义0.33 年？ 12/4?
1 年 = 12 个月。 0.33 = 3.96 个月（4 个月）
今晚回家后我会看看这个。
2007-12-13 正确吗？因为如果减去 4 个月得到2007-11-13
可能是我的样本不正确。现在会检查。

标签： python pandas list dataframe python-datetime

【解决方案1】：

在此解决方案中创建了帮助列，用于验证替换的年份或减去的月份：

#if value less like 1 multiple by 12, another values set to NaNs
df['m1'] = np.where(df['value'].lt(1), df['value'].mul(12).round(), np.nan)
#if values more like 1000 it is year
df['y1'] = df['value'].where(df['value'].gt(1000))

#if values between 1, 1000 is necessary subtract years from value column
y1 = df['Age'].sub(df['age_detected'])
df['y2'] = np.where(y1.between(1, 1000), df['date_of_interview'].dt.year.sub(y1), np.nan)
#joined years to one column
df['y'] = df['y1'].fillna(df['y2'])

#replaced years by another column
f1 = lambda x: x['date_of_interview'] - pd.DateOffset(year=(int(x['y'])))
df['dis_date1'] = df.dropna(subset=['date_of_interview','y']).apply(f1, axis=1)
#subtracted months if non missing values
f1 = lambda x: x['date_of_interview'] - pd.DateOffset(months=(int(x['m1'])))
df['dis_date2'] = df.dropna(subset=['m1']).apply(f1, axis=1)

#join together
df['dis_date'] = df['dis_date1'].fillna(df['dis_date2'])
print (df)
   subject_id date_of_interview  Age    value  age_detected   m1      y1  \
0           1        2007-05-27   31     6.00            25  NaN     NaN   
1           2        2008-03-13   35     0.33            35  4.0     NaN   
2           3        2010-11-19   78  1990.00            98  NaN  1990.0   
3           4        2011-10-05   72      NaN            65  NaN     NaN   
4           5        2004-11-02   43  2001.00            40  NaN  2001.0   

       y2       y  dis_date1  dis_date2   dis_date  
0  2001.0  2001.0 2001-05-27        NaT 2001-05-27  
1     NaN     NaN        NaT 2007-11-13 2007-11-13  
2     NaN  1990.0 1990-11-19        NaT 1990-11-19  
3  2004.0  2004.0 2004-10-05        NaT 2004-10-05  
4  2001.0  2001.0 2001-11-02        NaT 2001-11-02

【讨论】：