在 pandas 数据框列中查找月末答案

【问题标题】：Finding end of a month in a column of pandas dataframe在 pandas 数据框列中查找月末
【发布时间】：2019-08-15 08:13:37
【问题描述】：

为了帮助按月对大型数据集进行分类，我尝试将条目的所有实际日期转换为月末。

我看到了与此类似的问题并使用了我找到的代码，但如果日期恰好已经是月底，它似乎不起作用（这将导致计算下个月的月底）。

df['CalcEnd'] = pd.to_datetime(df['ActualDate'], format="%m/%d/%Y") + MonthEnd(1)

这导致：

    ActualDate    CalcEnd
    7/1/2019      7/31/2019
    7/2/2019      7/31/2019
    7/31/2019     8/31/2019

第三个条目应返回 2019 年 7 月 31 日。

我尝试使用 numpy 仅在日期还不是月底时才使用 CalcEnd 以避免此问题，但由于某种原因，如果还不是月底，CalcEnd 会导致一系列奇怪的数字月。

具体我试过了：

def isMonthEnd(date):
    return date + pd.offsets.MonthEnd(0) == date

df['EndCheck'] = isMonthEnd(pd.to_datetime(df['ActualDate'], format="%m/%d/%Y"))
df['CalcEnd'] = pd.to_datetime(df['ActualDate'], format="%m/%d/%Y") + MonthEnd(1)
df['End'] = np.where(df['EndCheck']==False, df['CalcEnd'], df['ActualDate'])

当 EndCheck 为 False 时，不显示 7/31/2019，而是显示 1564531200000000000。

但当它为 True 时，它正确地将 ActualDate 显示为 7/31/2019。

任何建议：

1) 如何将数据框中的所有给定日期转换为月末，即使给定日期已经是月末；和

2) 为什么在尝试使用计算列时 np.where 语句不起作用

.... 将不胜感激！

我能够找到一种解决方法，只需将数据帧写入 csv，然后在创建 End 之前将新的 csv 读回数据帧；它似乎解决了 np.where 语句返回 1564531200000000000 的问题。但是，我希望有一个更优雅的解决方案。

谢谢！

【问题讨论】：

标签： python-3.x pandas numpy

【解决方案1】：

文档中提到的这种行为：

当 n 不为 0 时，如果给定日期不在锚点上，它会捕捉到下一个（前一个）锚点，并向前或向后移动 |n|-1 额外的步骤。 .如果给定日期在锚点上，则移动 |n|指向前方或后方。

您不需要np.where。修复很简单。如果你继续前进，只需在添加锚点之前减去一天。如果你往回走，在减去anchor之前加一天

你前进到MonthEnd，所以在添加锚前减去一天

df['CalcEnd'] = df['ActualDate']  - pd.offsets.Day() + pd.offsets.MonthEnd(1)

Out[370]:
  ActualDate    CalcEnd
0 2019-07-01 2019-07-31
1 2019-07-02 2019-07-31
2 2019-07-31 2019-07-31

【讨论】：

这是最有说服力的解决方案，消除了对所有这些无关行的需求——巧妙！也感谢您解释为什么它没有像我想象的那样工作；我将重新访问这些文档。

【解决方案2】：

如果添加一天并根据结果进行偏移，只需检查日期是否仍在同一个月内

def to_end_of_month(date):
    if (date + pd.offsets.Day(1)).month == date.month:
        return date + pd.offsets.MonthEnd(1)
    else:
        return date + pd.offsets.MonthEnd(0)

df['CalcEnd'] = df['ActualDate'].apply(to_end_of_month)

结果

    ActualDate  CalcEnd
0   2019-07-01  2019-07-31
1   2019-07-02  2019-07-31
2   2019-07-31  2019-07-31

【讨论】：