TypeError：“datetime.date”和“str”实例之间不支持“>=”答案

【问题标题】：TypeError: '>=' not supported between instances of 'datetime.date' and 'str'TypeError：“datetime.date”和“str”实例之间不支持“>=”
【发布时间】：2021-11-21 11:40:29
【问题描述】：

我的熊猫df3 看起来像这样：

df3 = pd.DataFrame([['23.02.2012', '23.02.2012', 'aaa'], ['27.02.2014', '27.02.2014', 'bbb'], ['17.08.2018', '17.08.2018', 'ccc'], ['22.07.2019', '22.07.2019', 'ddd']], columns=['date', 'period', 'text'])

如果日期对应，我想让列period 显示以下句点。由于一些 date 值是用时间戳格式化的，而有些不是，它没有创建正确的（没有时间戳）period 值。这就是为什么我做了df3['question_date'].dt.date

df3['date'] = pd.to_datetime(df3['date'], errors = 'coerce')
df3['question_date'] = df3['question_date']
df3['period'] = df3['date']
col_name = 'period'
strt_col = df3.pop(col_name)
df3.insert(5, col_name, strt_col)

date1 = pd.Timestamp('1990-10-14').date()
date2 = pd.Timestamp('1994-11-10').date()
date3 = pd.Timestamp('1999-10-1').date()
date4 = pd.Timestamp('2004-6-13').date()
date5 = pd.Timestamp('2009-8-30').date()
date6 = pd.Timestamp('2014-10-14').date()
date7 = pd.Timestamp('2019-11-26').date()
date8 = pd.Timestamp('2021-9-20').date()
mask1 = (df3['question_date'] >= 'date1') & (df3['question_date'] < 'date2')
mask2 = (df3['question_date'] >= 'date2') & (df3['question_date'] < 'date3')
mask3 = (df3['question_date'] >= 'date3') & (df3['question_date'] < 'date4')
mask4 = (df3['question_date'] >= 'date4') & (df3['question_date'] < 'date5')
mask5 = (df3['question_date'] >= 'date5') & (df3['question_date'] < 'date6')
mask6 = (df3['question_date'] >= 'date6') & (df3['question_date'] < 'date7')
mask7 = (df3['question_date'] >= 'date7') & (df3['question_date'] < 'date8')
df3.loc[mask1, 'leg_per'] = '1990-1994'
df3.loc[mask2, 'leg_per'] = '1994-1999'
df3.loc[mask3, 'leg_per'] = '1999-2004'
df3.loc[mask4, 'leg_per'] = '2004-2009'
df3.loc[mask5, 'leg_per'] = '2009-2014'
df3.loc[mask6, 'leg_per'] = '2014-2019'
df3.loc[mask7, 'leg_per'] = '2019-2021'
.
.
.

mask1 会抛出错误

TypeError: '>=' not supported between instances of 'datetime.date' and 'str'

原问题：preventing timestamp creation in to_datetime() formatting in order to group by periods

【问题讨论】：

df3['date'] 是一个日期对象，'1990-10-14' 是一个字符串。您不能直接比较这两个值。转换其中一个，使它们是相同的类型。
错误告诉你到底哪里出了问题。您不能使用>= 运算符来比较datetime.date 对象和str 对象。您需要将日期转换为字符串，或将字符串转换为日期。
pd.to_datetime 转换为 datetime64，而不是 datetime.date - 你怎么会有那个类的实例？
一般来说，如果您在 pandas 中使用日期/时间，并且想为自己省点麻烦：请使用 pandas 必须提供的 datetime64 数据类型。避免使用 Python 的日期时间、日期和时间类。它会导致您遇到的问题并减少您手头的功能。
所以只需写date1 = pd.Timestamp('1990-10-14') 和mask1 = (df3['question_date'] >= date1) & (df3['question_date'] < date2) 之类的掩码，df3['question_date'] 是pandas datetime64 列。

标签： python pandas datetime datetime-format python-datetime

【解决方案1】：

这是您的示例的略微修改版本，

import pandas as pd

df3 = pd.DataFrame([['23.02.2012', 'aaa'], ['27.02.2014', 'bbb'], 
                    ['17.08.2018', 'ccc'], ['22.07.2019', 'ddd']], 
                   columns=['date', 'text'])

# ensure datetime64[ns] type
df3['date'] = pd.to_datetime(df3['date'], dayfirst=True)

请注意，对于示例中的给定日期/时间格式，如果您不提供 format，则您 need to specify that the day comes first。另外，只有在您知道自己在做什么时才使用errors='coerce' - 我总是更喜欢先提出错误。

现在让我们为某个日期范围创建一个掩码。请注意，pandas 足够聪明，您可以将日期用作字符串（另请参阅Indexing，也可以应用于比较）：

date1 = '2010-10-14'
date2 = '2014-11-10'
m = (df3['date'] >= '2010-10-14') & (df3['date'] < '2014-11-10')

df3.loc[m, 'leg_per'] = '2010-2014'

虚拟 df 然后看起来像

df3
        date text    leg_per
0 2012-02-23  aaa  2010-2014
1 2014-02-27  bbb  2010-2014
2 2018-08-17  ccc        NaN
3 2019-07-22  ddd        NaN

一般来说，如果您在 pandas 中使用日期/时间，并且想为自己省点麻烦：请使用 pandas 必须提供的 datetime64 数据类型。避免使用 Python 的日期时间、日期和时间类。它会导致您遇到的问题并减少您手头的功能。

【讨论】：