python - 用时间戳格式的变量替换 pandas 数据帧上的年份

Question

我使用以下代码创建了以下 df:

df = pd.read_table('https://raw.githubusercontent.com/guipsamora/pandas_exercises/master/06_Stats/Wind_Stats/wind.data', sep = "\s+", parse_dates = [[0,1,2]]) 

如果我们运行以下命令:

type(df['Yr_Mo_Dy'][0])

我们将看到 ['Yr_Mo_Dy'] 下的观察结果采用 pandas._libs.tslibs.timestamps.Timestamp 格式。

我想做的是:每当我看到年份 >= 2061 (['Yr_Mo_Dy']) 时，我想减去 -100，否则我只保留年份并继续迭代。

我尝试过以下代码:

for i in list(range(df.shape[0])):
    # assign all the observations under df['Yr_Mo_Dy'] to ts
    ts = df['Yr_Mo_Dy'][i]

    if df['Yr_Mo_Dy'][i].year >=2061:
        # replace the year in ts by year - 100
        ts.replace(year=df['Yr_Mo_Dy'][i].year - 100)
    else:
        continue

但是循环什么也不做。我觉得这与变量赋值ts = df['Yr_Mo_Dy'][i]有关。但我想不出另一种方法来完成这件事。

考虑到我在 this post 中看到的答案，我尝试在每次循环迭代后分配一个变量。

Answer 1

您应该致力于避免可矢量化操作的手动循环。

在这种情况下，您可以使用numpy.where创建条件序列:

df = pd.DataFrame({'A': pd.to_datetime(['2018-01-01', '2080-11-30',
                                        '1955-04-05', '2075-10-09'])})

df['B'] = np.where(df['A'].dt.year >= 2061,
                   df['A'] - pd.DateOffset(years=100), df['A'])

print(df)

           A          B
0 2018-01-01 2018-01-01
1 2080-11-30 1980-11-30
2 1955-04-05 1955-04-05
3 2075-10-09 1975-10-09