Pandas 从日期类型列获取星期几

Question

我正在使用 Python 3.6 和 Pandas 0.20.3。

我有一列已从日期时间转换为日期类型。我只需要日期。为了便于使用，我将它作为派生列。但我希望通过一周中的一天计算做一些进一步的操作。我可以从日期时间类型中获取星期几，但不能从日期中获取。在我看来，这应该是可能的，但我尝试了多种变体并没有成功。

这是一个例子：

import numpy as np
import pandas as pd
df = pd.DataFrame({'date':['2017-5-16','2017-5-17']})
df['trade_date']=pd.to_datetime(df['date'])

我可以从日期时间列“trade_date”中获取星期几。

df['dow']=df['trade_date'].dt.dayofweek
df
    date    trade_date  dow
0   2017-5-16   2017-05-16  1
1   2017-5-17   2017-05-17  2

但如果我有一个日期，而不是一个日期时间，那就没有骰子了： 例如：

df['trade_date_2']=pd.to_datetime(df['date']).dt.date

然后：

df['dow_2']=df['trade_date_2'].dt.dayofweek

我得到（最后）：

AttributeError: Can only use .dt accessor with datetimelike values

我尝试了 dayofweek()、weekday、weekday() 的各种组合，我意识到，这凸显了我对 Pandas 工作原理的无知。所以......除了添加另一列是交易日期的日期时间版本之外，还有什么建议吗？ 我也欢迎解释为什么这不起作用。

Answer 1

有一个问题是pandas datetime（时间戳）实现了.dt方法和python date之间没有区别。

#return python date
df['trade_date_2']= pd.to_datetime(df['date']).dt.date

print (df['trade_date_2'].apply(type))
0    <class 'datetime.date'>
1    <class 'datetime.date'>
Name: trade_date_2, dtype: object

#cannot work with python date
df['dow_2']=df['trade_date_2'].dt.dayofweek

需要转换成pandas datetime:

df['dow_2']= pd.to_datetime(df['trade_date_2']).dt.dayofweek

print (df)
        date trade_date_2  dow_2
0  2017-5-16   2017-05-16      1
1  2017-5-17   2017-05-17      2

所以最好是使用：

df['date'] = pd.to_datetime(df['date'])
print (df['date'].apply(type))
0    <class 'pandas._libs.tslib.Timestamp'>
1    <class 'pandas._libs.tslib.Timestamp'>
Name: date, dtype: object

df['trade_date_2']= df['date'].dt.date
df['dow_2']=df['date'].dt.dayofweek
print (df)
        date trade_date_2  dow_2
0 2017-05-16   2017-05-16      1
1 2017-05-17   2017-05-17      2

编辑：

感谢Bharath shetty 提供使用python date 的解决方案 - 使用NaT 失败：

df = pd.DataFrame({'date':['2017-5-16',np.nan]})

df['trade_date_2']= pd.to_datetime(df['date']).dt.date
df['dow_2'] = df['trade_date_2'].apply(lambda x: x.weekday()) 

AttributeError: 'float' 对象没有属性 'weekday'

比较解决方案：

df = pd.DataFrame({'date':['2017-5-16','2017-5-17']})
df = pd.concat([df]*10000).reset_index(drop=True)

def a(df):
    df['trade_date_2']= pd.to_datetime(df['date']).dt.date
    df['dow_2'] = df['trade_date_2'].apply(lambda x: x.weekday()) 
    return df

def b(df):
    df['date1'] = pd.to_datetime(df['date'])
    df['trade_date_21']= df['date1'].dt.date
    df['dow_21']=df['date1'].dt.dayofweek
    return (df)

def c(df):
    #dont write to column, but to helper series 
    dates = pd.to_datetime(df['date'])
    df['trade_date_22']= dates.dt.date
    df['dow_22']=        dates.dt.dayofweek
    return (df)

In [186]: %timeit (a(df))
10 loops, best of 3: 101 ms per loop

In [187]: %timeit (b(df))
10 loops, best of 3: 90.8 ms per loop

In [188]: %timeit (c(df))
10 loops, best of 3: 91.9 ms per loop