如何遍歷 Pandas.DataFrame 和 append 中的一列 ZC1C425Z078E683894FC1AB4 的結果到同一行 17？

Question

我有一個通過以下Pandas.DataFrame生成的 Pandas.DataFrame：

Category,Brand,Product Name,Price,Expiration Date, Package ID,Quantity
Cat1,Brand1,Product1,$1000,07/14/2020,XXXXXX,34

我正在嘗試 append 到 CSV 的一列，每行中的 integer 對應於到期日期的多長時間（ 4表示大於 6 個月等）和3之間。

My issue is that when trying to convert the Expiration Date column to datetime (using pandas.to_datetime(df['Expiration Date']) ) and then apply my classify_expiration() function, the types either do not match what the function indicates or it嘗試將 function 應用於index 0 ，我認為這是 header （因此與%m/%d/%Y格式不匹配）。 我已經嘗試將列轉換為分類 function 內的日期時間，以及在.apply()調用之前的日期時間。 我也嘗試使用timedelta將到期日期與今天的當前日期進行比較，但它不適用於datetime.date.today() 。

這是我嘗試的第一種方法：

def classify_expiration(row):    
    one_week = timedelta(weeks=1, days=0, hours=0, minutes=0, seconds=0)

    if ((one_week * 0) <= (date.today() - row['Expiration Date']) <= (one_week * 4)):
        return 4

這種方式給了我與index 0處的類型不正確或無法將 function 應用於系列相關的錯誤。

這是我剛剛嘗試過的，它給了我一個AssertionError ：

def days_between(date1, date2):
    """Calculates the number of days between two dates

    Keyword arguments:
    date1 -- The first date in the subtraction.
    date2 -- The second date in the subtraction.
    """
    date1 = datetime.strptime(date1, '%m/%d/%Y')
    date2 = datetime.strptime(date2, '%m/%d/%Y')
    return abs((date2 - date1).days)


def classify_expiration(row):
    """Calculate days/weeks to expiration. Assign quartile based on value.

    Keyword arguments:
    row -- row in a `pandas.core.frame.DataFrame` object. e.g. `df['A']`
    """

    date_today = datetime.strptime(
        date.today().strftime('%m/%d/%Y'), '%m/%d/%Y')

    if (days_between(row, date_today) <= 30):
        return 4
    if (31 <= days_between(row, date_today) <= 90):
        return 3
    if (91 <= days_between(row, date_today) <= 120):
        return 2
    if (days_between(row, date_today) >= 121):
        return 1

這是我嘗試應用 function 的地方：

# Convert column to `datetime` if its current type is str
pd.to_datetime(product_sales['Expiration Date'])

# Applying the `classify_expiration()` function
product_sales['Expiration Quartile'] = product_sales.apply(
    lambda row: classify_expiration(row), axis=1
)

我希望 function 到 append 是 DataFrame 的新列，其中包含每行中為到期日期生成的四分位數。 我會得到范圍從AssertionError ， argument 1 must be str, not Series以及與index 0相關的各種其他錯誤的錯誤。

Answer 1

您需要刪除轉換為days_between function 如果返回product_sales['Expiration Date'] = pd.to_datetime(product_sales['Expiration Date'])然后使用product_sales['Expiration Date'].apply(classify_expiration)循環標量：

def days_between(date1, date2):
    """Calculates the number of days between two dates

    Keyword arguments:
    date1 -- The first date in the subtraction.
    date2 -- The second date in the subtraction.
    """
    return abs((date2 - date1).days)


product_sales['Expiration Date'] = pd.to_datetime(product_sales['Expiration Date'])

product_sales['Expiration Quartile'] = (product_sales['Expiration Date']
                                               .apply(classify_expiration))
print (product_sales)
  Category   Brand Product Name  Price Expiration Date Package ID  Quantity  \
0     Cat1  Brand1     Product1  $1000      2020-07-14     XXXXXX        34   

   Expiration Quartile  
0                    1  

Pandas 具有 binnig 的特殊功能，因此您的 function 可以使用cut ：

product_sales['Expiration Date'] = pd.to_datetime(product_sales['Expiration Date'])

product_sales['Expiration Quartile'] = (product_sales['Expiration Date']
                                             .apply(classify_expiration))

s = product_sales['Expiration Date'].sub(pd.to_datetime('today').floor('d')).dt.days

product_sales['Expiration Quartile1'] = pd.cut(s, 
                                               bins=[0, 30, 90,120, np.inf], 
                                               labels=[4,3,2,1])
print (product_sales)
  Category   Brand Product Name  Price Expiration Date Package ID  Quantity  \
0     Cat1  Brand1     Product1  $1000      2020-07-14     XXXXXX        34   
1     Cat1  Brand1     Product1  $1000      2020-01-13     XXXXXX        34   
2     Cat1  Brand1     Product1  $1000      2019-11-01     XXXXXX        34   
3     Cat1  Brand1     Product1  $1000      2020-01-15     XXXXXX        34   

   Expiration Quartile Expiration Quartile1  
0                    1                    1  
1                    3                    3  
2                    4                    4  
3                    2                    2