根據其他數據框值創建一列

Question

import pandas as pd
import io
import numpy as np
import datetime

data = """
    date          id
    2015-10-31    50230
    2015-10-31    48646
    2015-10-31    48748
    2015-10-31    46992
    2015-11-01    46491
    2015-11-01    45347
    2015-11-01    45681
    2015-11-01    46430
    """

df = pd.read_csv(io.StringIO(data), delimiter='\s+', index_col=False, parse_dates = ['date'])

df2 = pd.DataFrame(index=df.index)

df2['Check'] = np.where(datetime.datetime.strftime(df['date'],'%B')=='October',0,1)

我有正在使用的這個示例。 df2['Check']在做什么，如果df['date'] == 'October'則我指定0，否則分配1。

np.where在其他條件下np.where可以正常工作，但是strftime不喜歡導致該錯誤的系列：

Traceback (most recent call last):
  File "C:/Users/Leb/Desktop/Python/test2.py", line 22, in <module>
    df2['Check'] = np.where(datetime.datetime.strftime(df['date'],'%B')=='October',0,1)
TypeError: descriptor 'strftime' requires a 'datetime.date' object but received a 'Series'

如果我循環，那么我的實際數據將花費很長時間，大約為1M。 我如何有效地做到這一點？

df2['Check']應該看起來像這樣：

  Check
0     0
1     0
2     0
3     0
4     1
5     1
6     1
7     1

Answer 1

這是一個稍微簡單的版本，使用datetime對象的month屬性。 如果等於10，則將true / false值映射到所需的0/1對：

df2['Check']=df.date.apply(lambda x: x.month==10).map({True:0,False:1})

Answer 2

@ako的答案是金錢，但基於@Kartik和@EdChum的評論，這是我想出的：

import pandas as pd
import io
import numpy as np

data = """
    2015-10-31    50230
    2015-10-31    48646
    2015-10-31    48748
    2015-10-31    46992
    2015-11-01    46491
    2015-11-01    45347
    2015-11-01    45681
    2015-11-01    46430
    """

df = pd.read_csv(io.StringIO(data*125000), delimiter='\s+', index_col=False, names=['date','id'], parse_dates = ['date'])

df2 = pd.DataFrame(index=df.index)

df.shape
(1125000, 2)

%timeit df2['Check']=df.date.apply(lambda x: x.month==10).map({True:0,False:1})
1 loops, best of 3: 2.56 s per loop

%timeit df2['date'] = np.where(df['date'].dt.month==10,0,1)
10 loops, best of 3: 80.5 ms per loop