如何在 python 中存储/存储日期？

Question

我有一列包含 16 天、256 天、450 天的值，它是通过减去 2 个日期列（例如 2010-11-10 - 2010-11-1）获得的。我想将日期分为 4 类（0-30 天为 1，30-90 天为 2，90-180 天为 3，大于 180 天为 4）。

我尝试将列转换为分类，然后尝试拆分（16 天为“16”和“天”），但出现错误。

1. df_merged['Case_Duration'] = df_merged['DateOfResolution'] -df_merged['DateOfRegistration']

DateOfRegistration 和 DateOfResolution 是日期字段（例如 2010-11-1）

1. df_merged['Case_Duration'] = df_merged['Case_Duration'].astype('category')

将“Case_Duration”列转换为类别

1. df_Days = df_merged["Case_Duration"].str.split(" ", n = 1, expand = True)

拆分“Case_Duration”列值。 （例如 16 天 -> '16' 和 'days'）

但是这一步会报错->只能使用带有字符串值的.str访问器，在pandas中使用np.object_dtype

期望的输出：

Answer 1

在这里，我创建了一个名为 data 的 pandas df，在 a 和 b 列具有随机时间戳（代表您的初始日期时间列）。 bucket 列有你想要的输出

data_dic = {
    "a": ['2019-07-26 13:21:12','2019-07-26 13:21:12','2019-07-26 13:21:12','2019-07-26 13:21:12'],
    "b": ['2019-03-26 13:21:12','2019-05-26 13:21:12','2019-07-23 13:21:12','2019-02-26 13:21:12'],
}
data = pd.DataFrame(data_dic)

data['a'] = pd.to_datetime(data['a'])
data['b'] = pd.to_datetime(data['b'])

data['bucket'] =  np.select( [(data['a'] - data['b']).dt.days< 31, (data['a'] - data['b']).dt.days< 91 ]   ,[1,2], 3)

注意

(data['a'] - data['b']).dt.days

以天为单位计算时差