如何获取pandas数据框列在给定月份中的天数？

Question

尝试为ML算法编码周期性特征，其中时间戳特征是非常重要的特征。

我想要将日期(cyclic_df的‘day_in_month’列)转换为一个循环变量，这样一个月的1号就在前一个月的最后一天之后。所以01。2月(01.02)更接近1月31日(31.01)，因此，如果只考虑日期列，2天之间的差异是1，而不是30！

# Transform the cyclical features 
cyclic_df['min_sin'] = np.sin(cyclic_df.minute*(2.*np.pi/59))       # Sinus component of minute 
cyclic_df['min_cos'] = np.cos(cyclic_df.minute*(2.*np.pi/59))       # Cosinus component of minute 
cyclic_df['hr_sin'] = np.sin(cyclic_df.hour*(2.*np.pi/23))          # Sinus component of hour 
cyclic_df['hr_cos'] = np.cos(cyclic_df.hour*(2.*np.pi/23))          # Cosinus component of hour

cyclic_df['d_sin'] = np.sin(cyclic_df.day*(2.*np.pi/30))            # !component of day!! Help here
cyclic_df['d_cos'] = np.cos(cyclic_df.day*(2.*np.pi/30))            # !!!Cosinus component of day!!! Help here

cyclic_df['mnth_sin'] = np.sin((cyclic_df.month-1)*(2.*np.pi/12))   # Sinus component of minute 
cyclic_df['mnth_cos'] = np.cos((cyclic_df.month-1)*(2.*np.pi/12))   # Cosinus component of minute

问题出在我除以的那30。不是每个月都有30天，有几个月有30天、31天、28天或29天。在cyclical_df的每一行中，我有一列'month‘、一列'year’和一列'day‘。因此，从理论上讲，应该有一个解决方案来读取给定月份的正确天数。我如何用正确的变量替换30 (上面代码中的第5行和第6行)，以便它从其他列读取年和月，并替换为正确的值，而不总是30？

PS:这将是非常好的，如果有人可以告诉我，如果我做了正确的分钟，小时和月份，也可以在上面的代码。

(在评论之后)：是的，我有一个'year‘列。并将这两行更改为：

cyclic_ext_df['d_cos'] = np.cos(cyclic_ext_df.day*(2.*np.pi/monthrange(cyclic_df.year, cyclic_ext_df.month)[1]))
cyclic_ext_df['d_cos'] = np.cos(cyclic_ext_df.day*(2.*np.pi/monthrange(cyclic_df.year, cyclic_ext_df.month)[1]))

我得到以下错误：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-575-532a308075e2> in <module>()
     11 #cyclic_ext_df['d_cos'] = np.cos(cyclic_ext_df.day*(2.*np.pi/30))            # Cosinus component of day
     12 
---> 13 cyclic_ext_df['d_cos'] = np.cos(cyclic_ext_df.day*(2.*np.pi/monthrange(cyclic_df.year, cyclic_ext_df.month)[1]))
     14 cyclic_ext_df['d_cos'] = np.cos(cyclic_ext_df.day*(2.*np.pi/monthrange(cyclic_df.year, cyclic_ext_df.month)[1]))
     15 

~/anaconda/lib/python3.6/calendar.py in monthrange(year, month)
    120     """Return weekday (0-6 ~ Mon-Sun) and number of days (28-31) for
    121        year, month."""
--> 122     if not 1 <= month <= 12:
    123         raise IllegalMonthError(month)
    124     day1 = weekday(year, month, 1)

~/anaconda/lib/python3.6/site-packages/pandas/core/generic.py in __nonzero__(self)
   1574         raise ValueError("The truth value of a {0} is ambiguous. "
   1575                          "Use a.empty, a.bool(), a.item(), a.any() or a.all()."
-> 1576                          .format(self.__class__.__name__))
   1577 
   1578     __bool__ = __nonzero__

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

Answer 1

如果数据中包含年和月，则可以使用calendar.monthrange

from calendar import monthrange

month = 2
year = 2014

_, mr = monthrange(year, month)
cyclic_df['d_cos'] = np.cos(cyclic_df.day*(2.*np.pi/mr))

Answer 2

我真的不明白你在用三角函数做什么--要么你没有很好地解释你的目标，要么你过度设计了解决方案。

年/月/日约定是人类的便利。对于日期的直接比较，时间是使用自商定的纪元以来的时间单位数来测量的。最常见的情况是Unix时间戳，它从1970年1月1日开始计算秒数。

因此，您有两个选择：

• 您可以将所有时间转换为Unix时间戳，然后将它们从秒转换为天。here解释了
  • 将日期转换为时间戳。这个问题假设解析一个字符串，但是您也可以用实际的日期值实例化datetime。

​

• 您可以切换到您自己的基于日期的系统。在设置任意的“纪元日期”之后，您可以获得纪元和表中任何日期之间的天数，如here.

所述。

​