Pandas：基于行中的值与列添加进行日期比较

Question

我有许多格式类似的 excel 文件：

|name| email| cat1| cat2| cat3
 smith email 01JAN2016 01JAN2014 01JAN2015

前两列包含字符串（姓名和电子邮件地址），接下来的每一列包含每个人完成 cat(x) 中每个项目的日期。

我想与 current_date 进行比较，添加一个新列“status”，根据一行中的任何日期是否早于当前日期，该列的值将是“compliant”或“delinquent”，然后输出新的数据框到 Excel 电子表格。

我最初的尝试让我可以轻松地过滤“旧”日期，但是，当我尝试使用条件添加一列时，一切都开始中断：

import pandas as pd
import numpy as np
import datetime

current_date = datetime.datetime.now()
writer = pd.ExcelWriter('pd_output.xlsx', engine='xlsxwriter', datetime_format= 'mmm d yyy')

df = pd.read_excel(tracker,'Sheet1')

print(df.values)    # Displays dates as 'Timestamp('2016-01-01 00:00:00') any value which is < current_date displays as 'True' else 'False'

print(df < current_date)  # removes dates that are not older than current_date but does not delete column, ie someone with no old dates will still show up with column 3+ being blank

# a couple version of what I have been trying - unsuccessfully
df['Status'] = np.where(df[df < current_date], 'delinquent', 'compliant'  # error: 'wrong number of items passed

df['Status'] = np.where(df == 'True', 'delinquent', 'compliant'  # error: 'str' obj has no attr 'view'  

df['Status' = df.Set.map(lambda x: 'delinquent' if 'True' in df else 'compliant'  # from another post - error 'no attr 'Set' or 'map'

  # send to output excel
  df.to_excel(writer,sheet_name='Sheet1')

我希望有一个输出显示行，其中添加了“状态”列，显示行中存在“违规日期”的位置 - 以“合规”或“拖欠”引爆。我觉得我的比较不正确（使用 True 而不是另一个 .where），但似乎无法做到正确。

Answer 1

当您想要基于一个或多个其他列的值创建新列时，通常使用apply 函数之一。当函数是多列时，就像这里的情况一样，你使用DataFrame.apply。这是我认为您正在尝试做的近似值：

df['Status'] = df.apply (
    lambda df : (
      'delinquent' 
          if any (df[i] < current_date for i in ("cat1","cat2","cat3")) 
       else 'compliant'
    ) ,
    axis = 1
)

（仅供参考，根据您的逻辑，我认为“拖欠”意味着日期早于当前日期，如果我错了，请将上面的 < 符号反转为 >。）

让我们稍微拆开包装。 apply 将矢量化函数应用于整个数据帧。我们需要应用到整个数据框，因为我们正在查看不止一列；很快，我们将指定哪些。该函数是我们定义的lambda。 axis = 1 参数告诉 apply 将 lambda 应用于每一行（这不是默认值，默认值为 axis = 0，它适用于每一列 - 不是我们想要的）。 lambda 本身会按名称查看所有 3 个日期列，如果其中任何一个列在当前日期之前，则返回“拖欠”。我使用 any() 和内部的生成器表达式，以避免编写 if df["cat1"] < current_date or df["cat2"] < current_date or df["cat3"] < current_date 之类的苦差事。

请注意，所有这些都取决于您的 3 个日期列的类型为 datetime - 我假设它们是。

如果您只有一个日期列，例如“cat1”，您可以在该列上使用稍微简单的Series.apply。

df['Status'] = df['cat1'].apply (
    lambda x : 'delinquent' if x < current_date else 'compliant' 
)

这样做的基本原理是更简单的函数和缺少axis 参数。所以一般来说，人们在应用一个只有一列的函数时使用Series.apply，如果函数是多列的，则使用DataFrame.apply。