Python-带字典的NumPy.Where

Question

我可能做错了，也可能有比这更好的方法，因为我对Python还不熟悉。为任何明显的错误预先道歉。

我有一个的STR列，包含日期和时间。这是STR，因为时代是“广播”格式化，这意味着有29个小时在一天。因此，我们将看到类似01/2018年1月29日:59:59的日期。时间是1秒和02/1/2018:06:00。

我在这里的目标是将这些数据转换成实时的。这意味着24到29岁之间的任何一个小时都需要换班。我已经把STR分成两个新的列'Dt‘和'Ti'，从'Ti'，把这个小时作为'Hr’的一个新列，并使它成为一个INT。

然后，我对'Dt‘应用了一个pd.to_datetime，并添加了一个规则。

df['Dt'] = np.where(df['Hr'] > 23, df['Dt']+pd.DateOffset(1),df['Dt']+pd.DateOffset(0) )

这是完美的。

我现在需要改变的时间是实时的，例如，24 = 00，25 = 02等。

我认为最好的方法是用一个字典来映射它，所以我做了一个小插曲，

HourMap = {'24':'00','25':'01','26':'02','27':'03','28':'04','29':'05','30':'06'}  

然后写了这个

df['Hr1'] = np.where(df['Hr'] > 23, df.replace({'Hr':HourMap}),df['Hr'])

但我得到了一个"ValueError“

ValueError: operands could not be broadcast together with shapes (273,) (273,29) (273,)

我看过数据帧中的那些行，它们只是普通的in。考试时，我可以把数学应用到他们身上。df‘’Test‘=df’‘Hr’+ 1。

我确实将它们转换为STR，并尝试了相同的规则，但是得到了相同的错误。

我只是疯了吗？

谢谢,

Answer 1

你真的不应该在这里使用字典，你甚至不需要np.where。使用模算子

In [1]: import numpy as np
In [2]: np.arange(31)%24
Out[2]:
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
       17, 18, 19, 20, 21, 22, 23,  0,  1,  2,  3,  4,  5, 6], dtype=int32)

你有24岁左右的数字，这是模块的教科书用例。所以完整的代码变成：

df['Hr1'] = df['Hr'] % 24

同样，通过使用整数除法，您可以在不使用np.where的情况下添加日期。

df['Dt'] = df['Dt']+pd.DateOffset(Df['Hr']//24)

Answer 2

我认为需要改变：

df.replace({'Hr':HourMap})

到map，如果某些值不匹配并返回NaN的，则由fillna替换为原始值。

df['Hr'].map(HourMap).fillna(df['Hr'])
#alternative solution if performance is not important in large df
#df['Hr'].replace(HourMap)

因为df.replace用替换的列Hr返回DataFrame的所有列