在熊猫数据框中按日期的最小值分组，返回纳秒而不是天

Question

我正在尝试按相应单元格的最短日期对“客户名称”列的条目进行分组。

Client Name     Recency
A               -10 days
B               -4 days
C               -1 days
A               -5 days
B               -2 days
C                0 days

所以最终的结果应该是

A               -5
B               -2
C                0

当我检查我的“新近度”类型时，我得到：

>> df['recency'].dtype
dtype('<m8[ns]')

我认为这是我的问题，因为我的时间以纳秒为单位？但我觉得这很奇怪，因为它在列中显示天数。

但是当我进行分组时：

>> df.groupby(['Client Name'], sort=False)['recency'].min()
A                          -73785600000000000
B                          -345600000000000
C                           0

这让我相信我减去的是纳秒而不是天。

为什么数据框的列会变成纳秒？如何返回天的最小值而不是纳秒？

谢谢

Answer 1

我尝试了您的测试数据框，min 值与您不同 - 也许您正在使用 max。

您可以尝试将groupby 更改为子集df[['Recency','Client Name']]：

print df
  Client Name  Recency
0           A -10 days
1           B  -4 days
2           C  -1 days
3           A  -5 days
4           B  -2 days
5           C   0 days

print df[['Recency','Client Name']].groupby(['Client Name'], sort=False).min()
             Recency
Client Name         
A           -10 days
B            -4 days
C            -1 days

如果您需要删除文本days，请将timedelta 转换为int：

df['RecencyNo'] = (df['Recency'] / np.timedelta64(1, 'D')).astype(int)
print df
  Client Name  Recency  RecencyNo
0           A -10 days        -10
1           B  -4 days         -4
2           C  -1 days         -1
3           A  -5 days         -5
4           B  -2 days         -2
5           C   0 days          0

print df.groupby(['Client Name'], sort=False)['RecencyNo'].min()
Client Name
A   -10
B    -4
C    -1
Name: RecencyNo, dtype: int32

编辑：

您可以检查issue 5724 - 可能是错误。