我正在尝试将日期时间对象与存储在 Pandas 系列中的日期进行比较。对于 Series 中与传递的日期时间对象匹配的每个元素,该元素都会附加到数组中。需求是一个numpyfloat64。
date_chosen = dt.datetime(2019, 4, 2)
raw_csv = pd.read_csv(data_series, sep=',', na_values=missing_values)
demand_s = pd.to_numeric(raw_csv['DEMAND']) # extracts demand
date_series = pd.to_datetime(raw_csv['DATE']) # extracts date
demand_needed = [] # which demand values match the date_chosen
day = date_series.dt.day # only includes day
for i in day:
if day[i] == date_chosen.day: # if element in day is same as chosen one
demand_needed.append(demand_s[i]) # append matching element
print(type(date_chosen.day)) # = int
print(type(day[2])) # = numpy.int64
运行正常,但问题是 demand_needed[] 为空。 date_chosen.day 是一个标准的 int,day 的元素是 numpyint64。 如何比较 int 和 numpyint64?
最佳答案
在您的for
循环中,i
是Series
“day”
中每一行的值,这不是索引。所以你的循环的结构应该更像:
date_chosen = dt.datetime(2019, 4, 2)
raw_csv = pd.read_csv(data_series, sep=',', na_values=missing_values)
demand_s = pd.to_numeric(raw_csv['DEMAND'])
date_series = pd.to_datetime(raw_csv['DATE'])
demand_needed = []
day = date_series.dt.day
for idx, d in day.iteritems():
if d == date_chosen.day:
demand_needed.append(demand_s.iloc[idx])
但更好的解决方案 IIUC 是使用 boolean indexing
而不是迭代:
demand_needed = raw_csv.loc[raw_csv.DATE.dt.day.eq(date_chosen.day), 'DEMAND']
或者,如果您需要将输出作为 list
而不是 Series
,请使用:
demand_needed = raw_csv.loc[raw_csv.DATE.dt.day.eq(date_chosen.day), 'DEMAND'].tolist()
关于python - 将日期时间对象与 Pandas 系列元素进行比较,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55814671/