如何计算不同熊猫列中两个日期之间的年数答案

【问题标题】：How to calculate number of years between two dates in different pandas columns如何计算不同熊猫列中两个日期之间的年数
【发布时间】：2018-11-21 19:22:15
【问题描述】：

一列有日期，而另一列有一个包含日期的字符串，所以我首先需要从该字符串中提取日期部分。

import pandas as pd
import datetime
from dateutil.relativedelta import relativedelta

# the dataframe - id column always starts with year, month and day
df = pd.DataFrame({'id': ['19520630F8', '19680321A5', '19711113E2'],
                   'dte': ['2010-06-02', '2007-08-12', '2013-01-23']})

# create a date string from df['id'] to the format yyyy-mm-dd
dob = (df['id'].str[:4] + '-' +
       df['id'].str[4:6] + '-' +
       df['id'].str[6:8])

# calculate age (years only) at df['dte']
df['age'] = relativedelta(date, dob).years

我收到错误消息：

ValueError：Series 的真值不明确。使用 a.empty、a.bool()、a.item()、a.any() 或 a.all()。

我不明白我的数据的模糊性，以及在哪里应用这些空/布尔/项目... df['dta'] 列如果是对象数据类型而不是日期时间，但将 dob 的创建包装在 pd.to_datetime 中将无济于事。

编辑预期的输出应该是

          dte          id  age
0  2010-06-02  19520630F8   57
1  2007-08-12  19680321A5   39
2  2013-01-23  19711113E2   41

【问题讨论】：

标签： python pandas datetime dataframe

【解决方案1】：

我认为需要：

df['age'] = (np.floor((pd.to_datetime(df['dte']) - 
             pd.to_datetime(dob)).dt.days / 365.25)).astype(int)
print (df)
           id         dte  age
0  19520630F8  2010-06-02   57
1  19680321A5  2007-08-12   39
2  19711113E2  2013-01-23   41

详情：

将列转换为日期时间并减去：

print (pd.to_datetime(df['dte']) -  pd.to_datetime(dob))
0   21156 days
1   14388 days
2   15047 days
dtype: timedelta64[ns]

转换为天，然后转换为年：

print ((pd.to_datetime(df['dte']) -  pd.to_datetime(dob)).dt.days / 365.25)
0    57.921971
1    39.392197
2    41.196441
dtype: float64

numpy.floor. 的最后一个 floor 值：

print ((np.floor((pd.to_datetime(df['dte']) - pd.to_datetime(dob)).dt.days / 365.25)))
0    57.0
1    39.0
2    41.0
dtype: float64

【讨论】：

非常感谢！那行得通，但我意识到我需要真实的年龄，而不仅仅是年龄之间的差异
@leofer - 根据您的预期输出更改解决方案。

【解决方案2】：

这是使用dateutil.relativedelta 和列表理解的一种解决方案。重要的一点是确保在计算中使用它们之前有两个 datetime 系列。

from dateutil.relativedelta import relativedelta

df['id_dte'] = pd.to_datetime(df['id'].str[:8], format='%Y%m%d')
df['dte'] = pd.to_datetime(df['dte'])

df['age'] = [relativedelta(a, b).years for a, b in zip(df['dte'], df['id_dte'])]

print(df)

         dte          id     id_dte  age
0 2010-06-02  19520630F8 1952-06-30   57
1 2007-08-12  19680321A5 1968-03-21   39
2 2013-01-23  19711113E2 1971-11-13   41

但是，如果您只想获取年份之间的差异（不是源自年龄），则可以直接使用datetime属性：

df['age'] = df['dte'].dt.year - df['id_dte'].dt.year

print(df)

         dte          id     id_dte  age
0 2010-06-02  19520630F8 1952-06-30   58
1 2007-08-12  19680321A5 1968-03-21   39
2 2013-01-23  19711113E2 1971-11-13   42

【讨论】：

很好，谢谢！但是为什么要创建一个新列 df['id_dte']？ df['id'] = pd.to_datetime(df['id'].str[:8], format='%Y%m%d') 似乎有效。
@leofer，因为您可能想稍后使用它，并且为了清楚起见。你可以完全省略它，比如df['age'] = df['dte'].dt.year - pd.to_datetime(df['id'].str[:8], format='%Y%m%d').dt.year。但这是一个难以理解的混乱。

【解决方案3】：

当 dte 和 id 具有相同的月/日时，除以 365.25 会出现问题。

解决方案是减去年份，然后如果 dte 的月/日小于 id 的月/日，则从结果中减去 1。

df['age'] = df['dte'].dt.year - df['id_dte'].dt.year

df['age'] -= ((df['dte'].dt.month * 32 + df['dte'].dt.day) - (df['id_dte'].dt.month * 32 + df['id_dte'].dt.day)).apply(lambda x: 1 if x < 0 else 0)

【讨论】：