计算相同 2 个日期的 pandas groupby 对象中 2 个日期的差异答案

【问题标题】：Calculate difference of 2 dates in a pandas groupby object of the same 2 dates计算相同 2 个日期的 pandas groupby 对象中 2 个日期的差异
【发布时间】：2017-11-01 20:20:58
【问题描述】：

我正在尝试创建一个新的pandas.DataFrame 列，其中包含两个日期列之间的工作日数。我无法将日期列中的日期作为函数调用中的参数引用（我收到 TypeError：无法转换输入错误）。但是，我可以将系列中的值压缩到列表中，并使用 For 循环来引用参数。理想情况下，我更愿意从两个 Date 列创建一个 GroupBy 对象并计算差异。

创建数据框：

import pandas as pd

df = pd.DataFrame.from_dict({'Date1': ['2017-05-30 16:00:00',
  '2017-05-30 16:00:00',
  '2017-05-30 16:00:00'],
 'Date2': ['2017-06-16 16:00:00',
  '2017-07-21 16:00:00',
  '2017-08-18 16:00:00'],
 'Value1': [2.97, 3.3, 4.03],
 'Value2': [96L, 14L, 2L]})

df['Date1'] = pd.to_datetime(df['Date1'])
df['Date2'] = pd.to_datetime(df['Date2'])

df.dtypes

验证数据框：

Date1     datetime64[ns]
Date2     datetime64[ns]
Value1           float64
Value2             int64
dtype: object

定义函数：

def date_diff(startDate, endDate):
    return float(len(pd.bdate_range(startDate, endDate)) - 1)

尝试从 date_diff 函数调用的结果列：

df['DateDiff'] = date_diff(df['Date1'], df['Date2'])

类型错误：

TypeError: Cannot convert input [0   2017-05-30 16:00:00
1   2017-05-30 16:00:00
2   2017-05-30 16:00:00
Name: Date1, dtype: datetime64[ns]] of type <class 'pandas.core.series.Series'> to Timestamp

引用包含日期的元组列表的“For循环”有效：

date_List = list(zip(df['Date1'], df['Date2']))

for i in range(len(date_List)):
    df.loc[(df['Date1'] == date_List[i][0]) & (df['Date2'] == date_List[i][1]), 'diff'] = date_diff(date_List[i][0], date_List[i][1])

                Date1               Date2  Value1  Value2  diff
0 2017-05-30 16:00:00 2017-06-16 16:00:00    2.97      96  13.0
1 2017-05-30 16:00:00 2017-07-21 16:00:00    3.30      14  38.0
2 2017-05-30 16:00:00 2017-08-18 16:00:00    4.03       2  58.0

理想情况下，我想使用 GroupBy 对象（按 Date1 和 Date2）：

grp = df.groupby(['Date1', 'Date2'])

期望的输出：

[((Timestamp('2017-05-30 16:00:00'), Timestamp('2017-06-16 16:00:00')),
                  Date1               Date2  Value1  Value2  diff
  0 2017-05-30 16:00:00 2017-06-16 16:00:00    2.97      96  13.0),
 ((Timestamp('2017-05-30 16:00:00'), Timestamp('2017-07-21 16:00:00')),
                  Date1               Date2  Value1  Value2  diff
  1 2017-05-30 16:00:00 2017-07-21 16:00:00     3.3      14  38.0),
 ((Timestamp('2017-05-30 16:00:00'), Timestamp('2017-08-18 16:00:00')),
                  Date1               Date2  Value1  Value2  diff
  2 2017-05-30 16:00:00 2017-08-18 16:00:00    4.03       2  58.0)]

【问题讨论】：

标签： python pandas numpy python-datetime pandas-groupby

【解决方案1】：

你需要一个类型转换为 datetime64[D] 来让 numpy 开心，比如：

代码：

import numpy as np

def date_diff(start_dates, end_dates):
    return np.busday_count(
        start_dates.values.astype('datetime64[D]'),
        end_dates.values.astype('datetime64[D]'))

测试代码：

import pandas as pd
df = pd.DataFrame.from_dict({'Date1': ['2017-05-30 16:00:00',
                                       '2017-05-30 16:00:00',
                                       '2017-05-30 16:00:00'],
                             'Date2': ['2017-06-16 16:00:00',
                                       '2017-07-21 16:00:00',
                                       '2017-08-18 16:00:00'],
                             'Value1': [2.97, 3.3, 4.03],
                             'Value2': [96L, 14L, 2L]})

df['Date1'] = pd.to_datetime(df['Date1'])
df['Date2'] = pd.to_datetime(df['Date2'])

df['DateDiff'] = date_diff(df['Date1'], df['Date2'])
print(df)

结果：

                Date1               Date2  Value1  Value2  DateDiff
0 2017-05-30 16:00:00 2017-06-16 16:00:00    2.97      96        13
1 2017-05-30 16:00:00 2017-07-21 16:00:00    3.30      14        38
2 2017-05-30 16:00:00 2017-08-18 16:00:00    4.03       2        58

【讨论】：