MonthEnd对象结果为<11 * MonthEnds>而不是number

Question

在我的熊猫数据框中，我想找出以月为单位的日期差异。函数.dt.to_period('M')将生成一个类似于<11 * MonthEnds>的MonthEnd对象，而不是月份数字。

我尝试使用pd.to_numeric()更改列类型，并使用re.sub("[^0-9]", "", 'blablabla123bla')删除字母。这两种方法都不适用于MonthEnd对象。

df['duration_dataset'] = df['date_1'].dt.to_period('M') - df['date_2'].dt.to_period('M')

我期望是11，但是输出是<11 * MonthEnds>。

这是最小的数据帧

d = {'date_1': ['2018-03-31','2018-09-30'], 'date_2': ['2017-12-31','2017-12-31']}
df = pd.DataFrame(data=d)

df['date_1'] = pd.to_datetime(df['date_1'], format='%Y-%m-%d')
df['date_2'] = pd.to_datetime(df['date_2'], format='%Y-%m-%d')

df['duration_dataset'] = df['date_1'].dt.to_period('M') - df['date_2'].dt.to_period('M')

df

Answer 1

这是new behaviour in Pandas 0.24，其中减去Period()对象会得到一个DateOffset subclass。

您可以从DateOffset.n属性中获取数值：

from operator import attrgetter

df['duration_dataset'] = (
    df['date_1'].dt.to_period('M') -
    df['date_2'].dt.to_period('M')).apply(attrgetter('n'))

这就产生了

      date_1     date_2  duration_dataset
0 2018-03-31 2017-12-31                 3
1 2018-09-30 2017-12-31                 9

用于您的样本数据帧。

您可以将日期转换为0年以来的月份计数，然后减去这些数字，而不是将日期转换为期间：

df['duration_dataset'] = (
    df['date_1'].dt.year * 12 + df['date_1'].dt.month - 1 -
    (df['date_2'].dt.year * 12 + df['date_2'].dt.month - 1)
)

它可以简化为

df['duration_dataset'] = (
    12 * (df['date_1'].dt.year - df['date_2'].dt.year) +
    df['date_1'].dt.month - df['date_2'].dt.month
)

Answer 2

您也可以使用astype('int')将Period强制为int，并直接取差值：

df['duration_dataset'] = df['date_1'].dt.to_period('M').astype('int') - df['date_2'].dt.to_period('M').astype('int')

它看起来更快。