np.where 条件第一个实例正常，第二个实例抛出错误

Question

我有一个 pandas 数据框，其中有一个日期列，其中包含日期优先（'欧洲'）和月份优先（美国）日期的日期。我有一个单独的 int 类型的列，其中包含“年份”值。 df.year2017 的日期字符串是天优先的。

我正在使用 np.where 条件将日期字符串中的月份和日期分隔到单独的列中，以在此后构建日期时间。所以我有这个数据：

'year' 'number' 'date'
2016    75  01/05/2017 00:00
2016    75  01/06/2017 00:00
2016    75  01/06/2017 00:00
2016    75  01/06/2017 00:00
2016    75  01/06/2017 00:00
2016    75  01/09/2017 00:00
2016    75  01/09/2017 00:00
2016    75  01/10/2017 00:00
2016    75  01/10/2017 00:00
2017    0   01/01/2017 00:00
2017    0   01/01/2017 00:00
2017    0   01/01/2017 00:00
2017    0   01/01/2017 00:00
2017    0   02/01/2017 00:00
2017    0   03/01/2017 00:00
2017    0   04/01/2017 00:00
2017    0   04/01/2017 00:00
2017    0   04/01/2017 00:00
2017    0   04/01/2017 00:00
2017    0   05/01/2017 00:00

我已经使用它来创建月份值：

df['dt_mo'] = np.where(df.year<2017,df.date.str.extract(r'(\d+)\/\d+\/\d+'), df.date.str.extract(r'\d+\/(\d+)\/\d+'))

这可以很好地删除月份。我也尝试过其他方法，但是由于 ['year'] 是 type(int) 这工作正常

但是，当我尝试执行类似的过程来提取日期值时，它会引发错误。

我尝试过翻转大于/小于运算符以及交换捕获组。

(1)sl['dt_dy'] = np.where(sl.year>2017, sl.date.str.extract(r'(\d+)\/\d+\/\d+'),sl.date.str.extract(r'\d+\/(\d+)\/\d+'))

或

(2)df['dt_dy'] = np.where(df.year<2017,df.date.str.extract(r'\d+\/(\d+)\/\d+'), df.date.str.extract(r'(\d+)\/\d+\/\d+'))

两者都返回以下常见错误，“ValueError: Wrong number of items passed 2, placement 暗示 1”。

理想情况下，df.dt_dy 会以与 df.dt_mo 当前返回月份数字值相同的方式返回日期数字值。

一如既往地更喜欢任何更清洁的方法

谢谢

Answer 1

看来您最终想要制作datetime，所以从一开始就创建它，并指定不同的格式np.where。如果您需要这些日子，您现在可以使用 datetime 访问器。

import numpy as np
import pandas as pd

df['my_date'] = np.where(df.year < 2017, 
                         pd.to_datetime(df.date, format='%m/%d/%Y %H:%M', errors='coerce'),
                         pd.to_datetime(df.date, format='%d/%m/%Y %H:%M', errors='coerce'))

---

    year  number              date    my_date
0   2016      75  01/05/2017 00:00 2017-01-05
1   2016      75  01/06/2017 00:00 2017-01-06
2   2016      75  01/06/2017 00:00 2017-01-06
3   2016      75  01/06/2017 00:00 2017-01-06
4   2016      75  01/06/2017 00:00 2017-01-06
5   2016      75  01/09/2017 00:00 2017-01-09
6   2016      75  01/09/2017 00:00 2017-01-09
7   2016      75  01/10/2017 00:00 2017-01-10
8   2016      75  01/10/2017 00:00 2017-01-10
9   2017       0  01/01/2017 00:00 2017-01-01
10  2017       0  01/01/2017 00:00 2017-01-01
11  2017       0  01/01/2017 00:00 2017-01-01
12  2017       0  01/01/2017 00:00 2017-01-01
13  2017       0  02/01/2017 00:00 2017-01-02
14  2017       0  03/01/2017 00:00 2017-01-03
15  2017       0  04/01/2017 00:00 2017-01-04
16  2017       0  04/01/2017 00:00 2017-01-04
17  2017       0  04/01/2017 00:00 2017-01-04
18  2017       0  04/01/2017 00:00 2017-01-04
19  2017       0  05/01/2017 00:00 2017-01-05