为什么这些 Python 代码无法构建虚拟变量？

Question

我有以下数据框：

df = pd.DataFrame.from_dict({'Date': {0: '2021-01-01 00:00:00',
  1: '2021-01-02 00:00:00',
  2: '2021-01-03 00:00:00',
  3: '2021-01-04 00:00:00',
  4: '2021-01-05 00:00:00',
  5: '2021-01-06 00:00:00',
  6: '2021-01-07 00:00:00',
  7: '2021-01-08 00:00:00',
  8: '2021-01-09 00:00:00',
  9: '2021-01-10 00:00:00',
  10: '2021-01-11 00:00:00',
  11: '2021-01-12 00:00:00',
  12: '2021-01-13 00:00:00',
  13: '2021-01-14 00:00:00',
  14: '2021-01-15 00:00:00',
  15: '2021-01-16 00:00:00',
  16: '2021-01-17 00:00:00',
  17: '2021-01-18 00:00:00',
  18: '2021-01-19 00:00:00',
  19: '2021-01-20 00:00:00'}})

我想创建一个简单的虚拟变量：当数据框中的日期等于特定日期时，则为 1，否则为 0。我这样做了：

def int_21(x):
    if x == '2021-01-07':
        return '1'
    else:
        return '0'

df['comm0'] = df['Date'].apply(int_21)

但是，它只返回 0。为什么？我做错了什么？

谢谢！

Answer 1

import pandas as pd

使用to_datetime() 方法并将您的日期列从字符串转换为日期时间：

df['Date']=pd.to_datetime(df['Date'])

最后使用apply()方法：

df['comm0']=df['Date'].apply(lambda x:1 if x==pd.to_datetime('2021-01-07') else 0)

或者按照@anky的建议：

简单使用：

df['comm0']=pd.to_datetime(df['Date']).eq('2021-01-07').astype(int)

或者 如果您熟悉numpy，那么您也可以在将日期列转换为日期时间后使用：

import numpy as np
df['comm0']=np.where(df['Date']=='2021-01-07',1,0)

Answer 2

这是类型的问题。

df['Date'] 是一个字符串而不是日期时间对象，因此当您将每个元素与“2021-01-07”（另一个字符串）进行比较时，它们会因为时间信息（00:00:00）而有所不同。

作为解决方案，您可以将元素转换为日期时间，如下所示：

def int_21(x):
    if x == pd.to_datetime('2021-01-07'):
        return '1'
    else:
        return '0'

df['Date'] = pd.to_datetime(df['Date'])
df['comm0'] = df['Date'].apply(int_21)

或者，您仍然可以使用字符串对象，但比较元素必须具有与日期相同的格式：

def int_21(x):
    if x == '2021-01-07 00:00:00':
        return '1'
    else:
        return '0'