熊貓從日期類型列獲取星期幾

Question

我使用的是Python 3.6和Pandas 0.20.3。

我有一個列，我已從datetime轉換為日期類型。 我只需要約會。 為了便於使用，我將它作為派生列。 但我希望通過一周中的一天計算進行一些進一步的操作。 我可以從日期時間類型獲取星期幾，但不能從日期開始。 在我看來，這應該是可能的，但我嘗試了多種變化而沒有找到成功。

這是一個例子：

import numpy as np
import pandas as pd
df = pd.DataFrame({'date':['2017-5-16','2017-5-17']})
df['trade_date']=pd.to_datetime(df['date'])

我可以從datetime列'trade_date'獲取星期幾。

df['dow']=df['trade_date'].dt.dayofweek
df
    date    trade_date  dow
0   2017-5-16   2017-05-16  1
1   2017-5-17   2017-05-17  2

但是，如果我有一個約會，而不是一個約會時間，沒有骰子：例如：

df['trade_date_2']=pd.to_datetime(df['date']).dt.date

然后：

df['dow_2']=df['trade_date_2'].dt.dayofweek

我得到（最后）：

AttributeError: Can only use .dt accessor with datetimelike values

我已經嘗試了dayofweek（），工作日，工作日（）的各種組合，我意識到這些組合突出了我對Pandas究竟是如何工作的無知。 那么...除了添加另一列的任何建議，這是列trade_date的日期時間版本？ 我也歡迎解釋為什么這不起作用。

Answer 1

有問題是pandas datetime （timestamps）之間的區別是實現.dt方法和python date沒有。

#return python date
df['trade_date_2']= pd.to_datetime(df['date']).dt.date

print (df['trade_date_2'].apply(type))
0    <class 'datetime.date'>
1    <class 'datetime.date'>
Name: trade_date_2, dtype: object

#cannot work with python date
df['dow_2']=df['trade_date_2'].dt.dayofweek

需要轉換為pandas datetime ：

df['dow_2']= pd.to_datetime(df['trade_date_2']).dt.dayofweek

print (df)
        date trade_date_2  dow_2
0  2017-5-16   2017-05-16      1
1  2017-5-17   2017-05-17      2

所以最好用的是：

df['date'] = pd.to_datetime(df['date'])
print (df['date'].apply(type))
0    <class 'pandas._libs.tslib.Timestamp'>
1    <class 'pandas._libs.tslib.Timestamp'>
Name: date, dtype: object

df['trade_date_2']= df['date'].dt.date
df['dow_2']=df['date'].dt.dayofweek
print (df)
        date trade_date_2  dow_2
0 2017-05-16   2017-05-16      1
1 2017-05-17   2017-05-17      2

編輯：

感謝Bharath shetty解決使用python date - 使用NaT失敗：

df = pd.DataFrame({'date':['2017-5-16',np.nan]})

df['trade_date_2']= pd.to_datetime(df['date']).dt.date
df['dow_2'] = df['trade_date_2'].apply(lambda x: x.weekday()) 

AttributeError：'float'對象沒有屬性'weekday'

比較解決方案：

df = pd.DataFrame({'date':['2017-5-16','2017-5-17']})
df = pd.concat([df]*10000).reset_index(drop=True)

def a(df):
    df['trade_date_2']= pd.to_datetime(df['date']).dt.date
    df['dow_2'] = df['trade_date_2'].apply(lambda x: x.weekday()) 
    return df

def b(df):
    df['date1'] = pd.to_datetime(df['date'])
    df['trade_date_21']= df['date1'].dt.date
    df['dow_21']=df['date1'].dt.dayofweek
    return (df)

def c(df):
    #dont write to column, but to helper series 
    dates = pd.to_datetime(df['date'])
    df['trade_date_22']= dates.dt.date
    df['dow_22']=        dates.dt.dayofweek
    return (df)

In [186]: %timeit (a(df))
10 loops, best of 3: 101 ms per loop

In [187]: %timeit (b(df))
10 loops, best of 3: 90.8 ms per loop

In [188]: %timeit (c(df))
10 loops, best of 3: 91.9 ms per loop