pandas DataFrame 中的假日日历

Question

我为德国创建了一个假期日历（不包括所有日子），如下所示：

from pandas.tseries.holiday import Holiday,AbstractHolidayCalendar

class GermanHolidays(AbstractHolidayCalendar):
    rules = [Holiday('New Years Day', month=1, day=1),
             Holiday('First of May', month=5, day=1),
             Holiday('German Unity Day', month=10,day=3),
            ...]

cal = GermanHolidays()

现在我希望在假期出现或不出现（“1”或“0”）时显示一列。所以我做了以下事情：

holidays = cal.holidays(start=X['Time (CET)'].min(), end = X['Time (CET)'].max())
X['Holidays'] = X['Time (CET)'].isin(holidays)
X['Holidays'] = X['Holidays'].astype(float)

X 是一个数据框，其中Time (CET) 是%d.%m.%Y %H:%M:%S 格式的列。不幸的是，这不起作用。没有引发错误，但所有列都标有"0"。所以没有匹配发生，我真的不知道为什么。 我认为这可能是因为假期的频率是每天而不是每小时，就像在Time (CET) 列中那样。 如果你能帮助我，那就太好了！谢谢！

Answer 1

这可能有几个原因。

其中一个as mentioned by @unutbu - is a wrong (string) dtype。确保您的 X['Time (CET)'] 列是 datetime dtype。这可以按如下方式完成：

X['Time (CET)'] = pd.to_datetime(X['Time (CET)'], dayfirst=True, errors='coerce')

你说的另一个原因是时间部分。

这是一个演示：

In [28]: df = pd.DataFrame({'Date':pd.date_range('2017-01-01 01:01:01', 
                                                 freq='9H', periods=1000)})

产量：

In [30]: df
Out[30]:
                   Date
0   2017-01-01 01:01:01
1   2017-01-01 10:01:01
2   2017-01-01 19:01:01
3   2017-01-02 04:01:01
4   2017-01-02 13:01:01
5   2017-01-02 22:01:01
6   2017-01-03 07:01:01
7   2017-01-03 16:01:01
8   2017-01-04 01:01:01
9   2017-01-04 10:01:01
..                  ...
990 2018-01-07 07:01:01
991 2018-01-07 16:01:01
992 2018-01-08 01:01:01
993 2018-01-08 10:01:01
994 2018-01-08 19:01:01
995 2018-01-09 04:01:01
996 2018-01-09 13:01:01
997 2018-01-09 22:01:01
998 2018-01-10 07:01:01
999 2018-01-10 16:01:01

[1000 rows x 1 columns]

holidays 过滤不起作用，因为时间部分不匹配：

In [29]: df.loc[df.Date.isin(holidays)]
Out[29]:
Empty DataFrame
Columns: [Date]
Index: []

我们可以通过规范化（截断时间部分或将时间设置为00:00:00）我们的日期时间列来使其工作：

In [31]: df.loc[df.Date.dt.normalize().isin(holidays)]
Out[31]:
                   Date
0   2017-01-01 01:01:01
1   2017-01-01 10:01:01
2   2017-01-01 19:01:01
320 2017-05-01 01:01:01
321 2017-05-01 10:01:01
322 2017-05-01 19:01:01
734 2017-10-03 07:01:01
735 2017-10-03 16:01:01

Answer 2

这基本上是你已经拥有的。鉴于这有效而您的无效，这很可能是因为这些值是文本而不是 @unutbu 和 @MaxU 已经指出的时间戳。

另外，您的帖子指出：

在假期出现或不出现时显示（“1”或“0”）

你真的想要一个文本值吗？您尝试转换为浮点数，但您可能只需要整数。

X = pd.DataFrame({'Time (CET)': pd.DatetimeIndex(start='2017-01-01', end='2017-12-31', freq='12H')})
X = X.assign(Holidays=X['Time (CET)'].isin(cal.holidays()).astype(int))
>>> X
             Time (CET)  Holidays
0   2017-01-01 00:00:00         1
1   2017-01-01 12:00:00         0
2   2017-01-02 00:00:00         0
...