Extrahieren von nur Monat und Jahr getrennt aus Pandas-Datumszeitspalte

Question

Ich habe einen Dataframe, df, mit der folgenden Spalte:

     ArrivalDate
936   2012-12-31
938   2012-12-29
965   2012-12-31
966   2012-12-31
967   2012-12-31
968   2012-12-31
969   2012-12-31
970   2012-12-29
971   2012-12-31
972   2012-12-29
973   2012-12-29

Die Elemente der Spalte sind vom Typ pandas.tslib.Timestamp. Ich möchte das Jahr und den Monat extrahieren.

Hier ist, was ich versucht habe:

df['ArrivalDate'].resample('M', how = 'mean')

das wirft den folgenden Fehler:

Nur gültig mit DatetimeIndex oder PeriodIndex 

Dann habe ich versucht:

df['ArrivalDate'].apply(lambda(x):x[:-2])

das wirft den folgenden Fehler:

'Timestamp' object hat kein Attribut '__getitem__' 

Meine aktuelle Lösung ist

df.index = df['ArrivalDate']

Dann kann ich eine andere Spalte mit dem Index resamplen.

Aber ich würde immer noch eine Methode wünschen, um die gesamte Spalte neu zu konfigurieren. Irgendwelche Ideen?

Answer 1

Sie können zuerst Ihre Datumszeichenfolgen mit pandas.to_datetime konvertieren, was Ihnen Zugriff auf alle numpy datetime und timedelta Funktionen gibt. Zum Beispiel:

df['ArrivalDate'] = pandas.to_datetime(df['ArrivalDate'])
df['Monat'] = df['ArrivalDate'].values.astype('datetime64[M]')

Answer 2

@KieranPC's Lösung ist der richtige Ansatz für Pandas, aber nicht leicht erweiterbar für beliebige Attribute. Dafür können Sie getattr innerhalb einer Generator-Liste verwenden und mit pd.concat kombinieren:

# Eingabedaten
list_of_dates = ['2012-12-31', '2012-12-29', '2012-12-30']
df = pd.DataFrame({'ArrivalDate': pd.to_datetime(list_of_dates)})

# Liste der benötigten Attribute definieren    
L = ['year', 'month', 'day', 'dayofweek', 'dayofyear', 'weekofyear', 'quarter']

# Generator-Ausdruck von Serien definieren, eine für jedes Attribut
date_gen = (getattr(df['ArrivalDate'].dt, i).rename(i) for i in L)

# Ergebnisse zusammenführen und an das ursprüngliche DataFrame anhängen
df = df.join(pd.concat(date_gen, axis=1))

print(df)

  ArrivalDate  year  month  day  dayofweek  dayofyear  weekofyear  quarter
0  2012-12-31  2012     12   31          0        366           1        4
1  2012-12-29  2012     12   29          5        364          52        4
2  2012-12-30  2012     12   30          6        365          52        4

Answer 3

Dank an jaknap32, ich wollte die Ergebnisse nach Jahr und Monat aggregieren, also hat das funktioniert:

df_join['JahrMonat'] = df_join['timestamp'].apply(lambda x:x.strftime('%Y%m'))

Die Ausgabe war ordentlich:

0    201108
1    201108
2    201108

Answer 4

df['year_month']=df.datetime_column.apply(lambda x: str(x)[:7])

Dies hat bei mir gut funktioniert, ich hätte nicht gedacht, dass pandas das resultierende String-Datum als Datum interpretieren würde, aber als ich das Diagramm gemacht habe, wusste es sehr gut über meinen Zeitplan Bescheid und das String-Jahr_Monat war ordentlich geordnet... pandas muss man einfach lieben!

Answer 5

Dann habe ich versucht:

df['ArrivalDate'].apply(lambda(x):x[:-2])

Ich denke hier sollte der richtige Eingabetyp ein String sein.

df['ArrivalDate'].astype(str).apply(lambda(x):x[:-2])