Pandas 关联或过滤范围和分组之间的日期列由另一列

Question

我是 pandas 的新手，我正在尝试对我的 twitter 数据集执行一些 EDA。 数据集列

链接到数据集： https://www.kaggle.com/kaushiksuresh147/the-social-dilemma-tweets

Dataframe 样品：样品 dataframe

我想过滤在“2020-09-08 和 2020-09-22”之间创建的新用户（来自 user_created 列），然后将结果与情绪列分组。 我还想计算该新用户在该期间创建的推文总数，并将其与不在所选范围内的其他用户的推文总数进行比较（2020-09-08 和 2020-09-22） .

我尝试了一种方法，但我的代码不断给我错误消息： KeyError: 'user_created' code snippet

我也试过这段代码，它也给了我错误信息：KeyError: 'user_created' 2nd code

df['user_created'] = pd.to_datetime(df['user_created'])
start = '2020-09-08'
end = '2020-09-20'
df[(df['user_created'] >= start) & (df['user_created'] <= end)]
df[(df['user_created'] >= '2020-09-08') & (df['user_created'] <= '2020-09-22')]
grouped_df = df.groupby(['user_name', 'Sentiment','user_created']).size().reset_index(name="Count")
print(grouped_df.to_string(header=False))

我已经尝试使用 df.get(user_created) 来检索此列，但它似乎不起作用。

Answer 1

我认为start和end应该是日期时间格式（ datetime.datetime 、 np.datetime64或pd.Timestamp ），而不是字符串格式。

from datetime import datetime

start = datetime.strptime('2020-09-08', '%Y-%m-%d')
end = datetime.strptime('2020-09-20', '%Y-%m-%d')
df[(df['user_created'] >= start) & (df['user_created'] <= end)]