Pandas：具有相似名称的列之间的日期差异循环（ACB 和 ECD）答案

【问题标题】：Pandas: Date difference loop between columns with similiar names (ACD and ECD)Pandas：具有相似名称的列之间的日期差异循环（ACB 和 ECD）
【发布时间】：2019-09-19 11:00:02
【问题描述】：

我在 Jupyter 工作，有大量的专栏，其中很多都是日期。我想创建一个循环，该循环将返回一个新列，其中包含两个名称相似的列之间的日期差异。

例如：

df['Site Visit ACD']
df['Site Visit ECD']
df['Sold ACD (Loc A)']
df['Sold ECD (Loc A)']

新列将具有列 df['Site Visit Cycle Time'] = ACD 和 ECD 之间的日期差异。通常，它总是包含“ACD”的列减去包含“ECD”的列。这个怎么写？

任何帮助表示赞赏！

【问题讨论】：

标签： pandas loops numpy jupyter

【解决方案1】：

通常，它总是包含“ACD”的列减去包含“ECD”的列。

此答案假定列标题没有噪音，即它们仅在“ACD”/“ECD”方面有所不同，并且除此之外完全相同（包括大写/小写）。还假设总是有一个匹配的列。此代码不检查它是否覆盖了将日期差异写入的列。

这种方法在线性时间内起作用，因为我们对列集进行一次迭代，并直接按名称访问匹配的列。

test.csv

Site Visit ECD,Site Visit ACD,Sold ECD (Loc A),Sold ACD (Loc A)
2018-06-01,2018-06-04,2018-07-05,2018-07-06
2017-02-22,2017-03-02,2017-02-27,2017-03-02

代码

import pandas as pd

df = pd.read_csv("test.csv", delimiter=",")

for col_name_acd in df.columns:
    # Skip columns that don't have "ACD" in their name
    if "ACD" not in col_name_acd: continue

    col_name_ecd = col_name_acd.replace("ACD", "ECD")

    # we assume there is always a matching "ECD" column
    assert col_name_ecd in df.columns

    col_name_diff = col_name_acd.replace("ACD", "Cycle Time")
    df[col_name_diff] = df[col_name_acd].astype('datetime64[ns]') - df[col_name_ecd].astype('datetime64[ns]')

print(df.head())

输出

  Site Visit ECD Site Visit ACD Sold ECD (Loc A) Sold ACD (Loc A)  \
0     2018-06-01     2018-06-04       2018-07-05       2018-07-06   
1     2017-02-22     2017-03-02       2017-02-27       2017-03-02   

  Site Visit Cycle Time Sold Cycle Time (Loc A)  
0                3 days                  1 days  
1                8 days                  3 days

【讨论】：

谢谢@snwflk。少量的列有空白单元格。如果我想将逻辑合并到这个循环中，上面写着“如果这些列中的任何一个是空白的，请跳过这一行或只返回一个空白”，我该怎么做？
在这些情况下现在会发生什么？尝试转换为 datetime 时是否收到 ValueErrors？在这种情况下，您可以在循环体的最后一行周围使用 try 块。

【解决方案2】：

以下代码将执行以下操作：

查找相似的列（使用fuzzywuzzy包超过90个比率模糊）
执行日期比较（或时间）
避免在两侧执行相同的计算
如果列的名称或多或少类似，则获取名称“站点访问”
如果名称不同，则获取名称“'column 1'和'column 2'之间的差异”

希望对你有帮助。

import pandas as pd
    from fuzzywuzzy import fuzz
    name = pd.read_excel('Book1.xlsx', sheet_name='name')
    unique = []
    for i in name.columns:
        for j in name.columns:
            if i != j and fuzz.ratio(i, j) > 90 and i+j not in unique:
                if 'Site Visit' in i:
                    name['Site Visit'] = name[i] - name[j]
                else:
                    name['difference between '+i+' and '+j] = name[i] - name[j]
                unique.append(j+i)
                unique.append(i+j)
    print(name)

【讨论】：