Pandas 中日期列的最大值/最小值，列包含 nan 值

Posted 2023-02-25

【中文标题】Pandas 中日期列的最大值/最小值，列包含 nan 值

【英文标题】：Max / Min of date column in Pandas, columns include nan values

【发布时间】：2017-11-02 10:02:25

【问题描述】：

我正在尝试在 pandas 数据框中创建一个新列，其中包含来自其他两个日期列的最大（或最小）日期。但是，当这些列中的任何一个存在 NAN 时，整个 min/max 列都会变成 NAN。是什么赋予了？使用数字列时，这很好用……但是对于日期，新列都是 NAN。下面是一些示例代码来说明问题：

df = pd.DataFrame(data=[[np.nan,date(2000,11,1)], 
                        [date(2000,12,1), date(2000,9,1)],
                        [date(2000,4,1),np.nan],
                        [date(2000,12,2),np.nan]], columns=['col1','col2'])

df['col3'] = df[['col1','col2']].max(axis=1)

我知道它可以通过 loc 和 、isnull 等的组合来完成。但是如何让它与常规的 max/min 函数一起工作呢？

【参考方案1】：

您将date 对象存储在列中，如果您转换为datetime，那么它会按预期工作：

In[10]:
df['col1'] = pd.to_datetime(df['col1'])
df['col2'] = pd.to_datetime(df['col2'])
df

Out[10]: 
        col1       col2  col3
0        NaT 2000-11-01   NaN
1 2000-12-01 2000-09-01   NaN
2 2000-04-01        NaT   NaN
3 2000-12-02        NaT   NaN

In[11]:
df['col3'] = df[['col1','col2']].max(axis=1)
df

Out[11]: 
        col1       col2       col3
0        NaT 2000-11-01 2000-11-01
1 2000-12-01 2000-09-01 2000-12-01
2 2000-04-01        NaT 2000-04-01
3 2000-12-02        NaT 2000-12-02

如果你只是这样做：

df['col3'] = df['col1'].max()

这会引发TypeError: '>=' not supported between instances of 'float' and 'datetime.date'

NaN 值导致dtype 提升为float，因此NaN 被返回。如果您没有缺失值，那么它将按预期工作，如果您有缺失值，那么您应该将dtype 转换为datetime，以便将缺失值转换为NaT，以便max 正常工作

【讨论】：

谢谢 - 它确实适用于日期时间。不过，如果它也能处理日期就好了 ;-)

就像我说的，如果你没有 NaN 值，它会正常工作，即使它们是 NaT 它仍然会失败

我的意思是如果它用 NaN 处理日期会很好:)

这更多地与不兼容的类型有关，如果你有字符串和数字的混合，那么它会以同样的方式失败

多么棒的答案。我一直在使用令人困惑的 datetime.strptime，但 pandas 有一个优雅的内部选项，可以计算最大值。谢谢！