如何在熊猫中创建一列 ceil 日期答案

【问题标题】：How to create a column of ceil dates in pandas如何在熊猫中创建一列 ceil 日期
【发布时间】：2019-01-03 04:14:26
【问题描述】：

我想在 pandas 数据框中添加一个表示月末日期的列。基于这个answer，我尝试了以下方法：

import numpy as np
import pandas as pd

dates = ['2014-06-02', '2014-06-03', '2014-06-04', '2014-06-05', '2014-06-06']
sp500_index = [1924.969971, 1924.23999, 1927.880005, 1940.459961, 1949.439941]
df_sp500 = pd.DataFrame({'Date' : dates, 'Close' : sp500_index})
sp500['Date'] = pd.to_datetime(sp500['Date'], format='%Y-%m-%d')
df_sp500['EOM'] = df_sp500['Date'].dt.ceil('M')  # breaks on this line
#df_sp500 = df_sp500[df_sp500['Date'] == df_sp500['EOM']]

df_sp500

但我收到此错误消息：

AttributeError: 只能使用带有 datetimelike 值的 .dt 访问器

我想添加此列的原因是使用它来过滤除 EOM 日期之外的所有日期，如注释掉的行中所示。

【问题讨论】：

你有df_sp500 = 和sp500['Date'] =。是哪个？
对 pandas 非常陌生（来自 R）。意图是 df_sp500 = 创建数据框和 sp500['Date'] = 行将 Date 字段从字符串转换为日期时间。

标签： python python-3.x pandas dataframe

【解决方案1】：

import numpy as np
import pandas as pd
from pandas.tseries.offsets import MonthEnd


dates = ['2014-06-02', '2014-06-03', '2014-06-04', '2014-06-05', '2014-06-06']
sp500_index = [1924.969971, 1924.23999, 1927.880005, 1940.459961, 1949.439941]
df_sp500 = pd.DataFrame({'Date' : dates, 'Close' : sp500_index})
df_sp500['EOM'] = pd.to_datetime(df_sp500['Date'], format='%Y-%m-%d')+ MonthEnd(0)
#df_sp500['EOM']=df_sp500['EOM'].dt.day #add this if you want only day

【讨论】：

@ALollz 的答案正是我想要的，但感谢您的出色回答。

【解决方案2】：

这已经内置到datetime 和pandas.Series.is_month_end。而不是计算一个新列只是子集：

df_sp500[df_sp500.Date.dt.is_month_end]

输入数据

dates = ['2014-06-02', '2014-06-03', '2014-06-04', '2014-06-05', '2014-06-06']
sp500_index = [1924.969971, 1924.23999, 1927.880005, 1940.459961, 1949.439941]

df_sp500 = pd.DataFrame({'Date' : dates, 'Close' : sp500_index})
df_sp500['Date'] = pd.to_datetime(df_sp500['Date'], format='%Y-%m-%d')

【讨论】：

正是我想要的。谢谢。

【解决方案3】：

根据文档

索引上限的频率级别。必须是固定频率像“S”（秒）而不是“ME”（月末）

所以我们可以为您的情况使用MonthBegin

df_sp500['Date']- pd.offsets.MonthBegin(1) #pd.offsets.MonthEnd(1)
0   2014-06-01
1   2014-06-01
2   2014-06-01
3   2014-06-01
4   2014-06-01
Name: Date, dtype: datetime64[ns]

【讨论】：