pandas 根据 datetimeindex 的值有条件地将值分配给新列答案

【问题标题】：pandas conditionally assign values to new column based on value of a datetimeindexpandas 根据 datetimeindex 的值有条件地将值分配给新列
【发布时间】：2019-04-29 16:09:03
【问题描述】：

我正在尝试使用 pandas 数据框的 datetimeindex 来分配一个名为“season”的新列。

winter =[12,1,2]
spring =[3,4,5]
summer =[6,7,8]
autumn =[9,10,11]

DTX_index = [datetime(2017, 2, 1).date(), datetime(2017, 3, 1).date(), datetime(2017, 6, 1).date(), datetime(2017, 9, 1).date()]
DTX_index = pd.to_datetime(DTX_index, utc=True)
df = pd.DataFrame(index=DTX_index)

我希望是这样的：

                           season
2017-02-01 00:00:00+00:00   winter
2017-03-01 00:00:00+00:00   spring
2017-06-01 00:00:00+00:00   summer
2017-09-01 00:00:00+00:00   autumn

分配一个月

df['month'] = df.index.month

为单个季节分配布尔值

df['season'] = df.index.month.isin([12,1,2])

我不确定如何在整个 df 中根据月份分配季节？我尝试了一个应用功能：

def add_season(x):

    if x.index.month.isin([12,1,2]):
        return 'winter'
    elif x.index.month.isin([3,4,5]):
        return 'spring'
    elif x.index.month.isin([6,7,8]):
        return 'summer'
    elif x.index.month.isin([9,10,11]):
        return 'autumn'

df['season'] = df.apply(add_season)

但这会返回一个值错误：

ValueError: ('The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()', 'occurred at index season')

大概是因为该函数是在整个系列上运行，而不是在元素上运行。

我敢肯定，在应用函数方面比我有更多经验的人可以很快解决这个问题？

非常感谢

【问题讨论】：

标签： python pandas datetime apply datetimeindex

【解决方案1】：

IIUC

d={**dict.fromkeys(winter,'winter'),**dict.fromkeys(spring,'spring'),**dict.fromkeys(summer,'summer'),**dict.fromkeys(autumn,'autumn')}
df['Value']=list(map(d.get,df.index.month))
df
Out[697]: 
                            Value
2017-02-01 00:00:00+00:00  winter
2017-03-01 00:00:00+00:00  spring
2017-06-01 00:00:00+00:00  summer
2017-09-01 00:00:00+00:00  autumn

【讨论】：

我以前没有见过这种构建字典的方法，所以感谢发帖！ - 它的可读性比其他答案略低，所以我已经同意了，谢谢！

【解决方案2】：

您可以创建一个映射框架并使用map。为使其正常工作，季节应包含不同的月份。

u = pd.DataFrame().assign(
    winter=winter, spring=spring, summer=summer, autumn=autumn
).melt().set_index('value')

df.assign(month=df.index.month.map(u.variable))

                            month
2017-02-01 00:00:00+00:00  winter
2017-03-01 00:00:00+00:00  spring
2017-06-01 00:00:00+00:00  summer
2017-09-01 00:00:00+00:00  autumn

【讨论】：