熊猫数据框列中的映射值？

Question

我正在尝试过滤掉一些数据，但似乎遇到了一些错误。 此语句下方是我拥有的以下代码的副本：

 url = "http://elections.huffingtonpost.com/pollster/2012-general-election-romney-vs-obama.csv"
 source = requests.get(url).text
 s = StringIO(source)
 election_data = pd.DataFrame.from_csv(s, index_col=None).convert_objects(
        convert_dates="coerce", convert_numeric=True)
 election_data.head(n=3)
 last_day = max(election_data["Start Date"])
 filtered = election_data[((last_day-election_data['Start Date']).days <= 5)]

如您所见，last_day 是election_data 列中的最大值 我想过滤掉数据之间的差异 max 和 x 小于或等于 5 天 我尝试过使用 for - 循环和列表理解的各种组合。

 filtered = election_data[map(lambda x: (last_day - x).days <= 5, election_data["Start Date"]) ]

这行通常可以工作，但是 python3 给了我以下错误：

 <map object at 0x10798a2b0> 

Answer 1

您的第一次尝试几乎是正确的。问题是

(last_day - election_date['Start Date']).days

应该是

(last_day - election_date['Start Date']).dt.days

Series 对象没有days 属性，只有TimedeltaIndex 对象有。下面是一个完整的工作示例。

data = pd.read_csv(url, parse_dates=['Start Date', 'End Date', 'Entry Date/Time (ET)'])
data.loc[(data['Start Date'].max() - data['Start Date']).dt.days <= 5]

请注意，我使用了Series.max，它比内置的max 性能更高。此外，data.loc[mask] 比 data[mask] 稍快一些，因为它的过载较少（具有更专业的用例）。

Answer 2

如果我正确理解您的问题，您只想过滤您的数据，其中任何Start Date 值距最后一天 <=5 天。这听起来像是 pandas 索引可以轻松处理的事情，使用 .loc。

如果您想要一个包含过滤数据的全新 DataFrame 对象：

election_data # your frame
last_day = max(election_data["Start Date"])
date = # Your date within 5 days of the last day
new_df = election_data.loc[(last_day-election_data["Start Date"]<=date)]

或者，如果您只想要 Start Date 列后过滤：

last_day = max(election_data["Start Date"])
date = # Your date within 5 days of the last day
filtered_dates = election_data.loc[(last_day-election_data["Start Date"]<=date), "Start Date"]

请注意，您的date 变量必须是您的日期，格式为Start Date 要求的格式（可能是YYYYmmdd 格式？）。如果您不知道这个变量应该是什么，那么只需 print(last_day) 然后倒数 5 天。