熊猫基于旧列的新列，条件为无值

Question

我正在尝试根据熊猫中的现有专栏创建一个新专栏。 现有列包含一年和季度。 IE：“ 201901”或为空白。 如果原始列具有有效条目，则新列应包含完整的时间戳，否则为空。

IE：

输入 ：
201901
201902
没有
201901

所需输出 ：
日期时间（2019,01,01）
日期时间（2019,03,01）
没有
日期时间（2019,01,01）

我的尝试：

    df['stamp'] = np.where(df['quarter'].astype(str).str.len() == 8,\
       datetime( df['quarter'].astype(str).str[0:4].astype(int), \
                 df['quarter'].astype(str).str[4:6].astype(int)*3,1), \
    None)

结果：

ValueError: invalid literal for int() with base 10: ''

在我看来，条件的True分支的代码正在评估所有行。 注意：条件是正确的，它可以正确标识有效条目。

Answer 1

pandas.to_datetime将自动解析季度，但其格式2019Q3 ，年份后跟Q和Quarter。

由于您有一列带有None的整数，因此很难知道基础值是不是真正的整数，或者它们是否被强制转换为float ，这可能会弄乱字符串切片，而无需先进行替换。

import pandas as pd

s = df.stamp.astype(str).replace('\.0', '', regex=True) # Remove .replace if truly integer
pd.to_datetime(s.str[0:4] + 'Q' + s.str[-1], errors='coerce')

#0   2019-01-01
#1   2019-04-01
#2          NaT
#3   2019-01-01
#Name: stamp, dtype: datetime64[ns]

对于丢失的行，您会得到一些垃圾'nanQn'或'NoneQe' ，但是由于无论如何它将变成NaT可能不是什么大问题。

Answer 2

你能做点什么...

df['stamp'] = df['quarter'].replace('', np.nan, inplace=True)

然后进行其他计算？