熊猫从日期获取年龄（例如：出生日期）

Posted 2023-03-11

【中文标题】熊猫从日期获取年龄（例如：出生日期）

【英文标题】：Pandas get the age from a date (example: date of birth)

【发布时间】：2015-01-03 12:19:23

【问题描述】：

如何计算一个人的年龄（基于 dob 列）并使用新值向数据框中添加一列？

数据框如下所示：

    lname      fname     dob
0    DOE       LAURIE    03011979
1    BOURNE    JASON     06111978
2    GRINCH    XMAS      12131988
3    DOE       JOHN      11121986

我尝试了以下操作：

now = datetime.now()
df1['age'] = now - df1['dob']

但是，收到以下错误：

TypeError: 不支持的操作数类型 -: 'datetime.datetime' 和 'str'

【参考方案1】：

首先想到的是你的年龄是两位数，在这个时代这不是一个很好的选择。无论如何，我将假设像05 这样的所有年份实际上都是1905。这可能不正确（！），但提出正确的规则很大程度上取决于您的数据。

from datetime import date

def age(date1, date2):
    naive_yrs = date2.year - date1.year
    if date1.replace(year=date2.year) > date2:
        correction = -1
    else:
        correction = 0
    return naive_yrs + correction

df1['age'] = df1['dob'].map(lambda x: age(date(int('19' + x[-2:]), int(x[:2]), int(x[2:-2])), date.today()))

【讨论】：

unutbu 的答案肯定会比我的更快，因为它使用了我懒得学习的 numpy 日期魔法。

【参考方案2】：

import datetime as DT
import io
import numpy as np
import pandas as pd

pd.options.mode.chained_assignment = 'warn'

content = '''     ssno        lname         fname    pos_title             ser  gender  dob 
0    23456789    PLILEY     JODY        BUDG ANAL             0560  F      031871 
1    987654321   NOEL       HEATHER     PRTG SRVCS SPECLST    1654  F      120852
2    234567891   SONJU      LAURIE      SUPVY CONTR SPECLST   1102  F      010999
3    345678912   MANNING    CYNTHIA     SOC SCNTST            0101  F      081692
4    456789123   NAUERTZ    ELIZABETH   OFF AUTOMATION ASST   0326  F      031387'''

df = pd.read_csv(io.StringIO(content), sep='\s2,')
df['dob'] = df['dob'].apply(':06'.format)

now = pd.Timestamp('now')
df['dob'] = pd.to_datetime(df['dob'], format='%m%d%y')    # 1
df['dob'] = df['dob'].where(df['dob'] < now, df['dob'] -  np.timedelta64(100, 'Y'))   # 2
df['age'] = (now - df['dob']).astype('<m8[Y]')    # 3
print(df)

产量

        ssno    lname      fname            pos_title   ser gender  \
0   23456789   PLILEY       JODY            BUDG ANAL   560      F   
1  987654321     NOEL    HEATHER   PRTG SRVCS SPECLST  1654      F   
2  234567891    SONJU     LAURIE  SUPVY CONTR SPECLST  1102      F   
3  345678912  MANNING    CYNTHIA           SOC SCNTST   101      F   
4  456789123  NAUERTZ  ELIZABETH  OFF AUTOMATION ASST   326      F   

                  dob  age  
0 1971-03-18 00:00:00   43  
1 1952-12-08 18:00:00   61  
2 1999-01-09 00:00:00   15  
3 1992-08-16 00:00:00   22  
4 1987-03-13 00:00:00   27  

---

您的dob 列当前似乎是字符串。第一的， 使用pd.to_datetime 将它们转换为Timestamps。 '%m%d%y' 格式将最后两位数字转换为年份，但 不幸的是，假设52 表示 2052。因为那可能不是 Heather Noel 的生日，让我们从dob 中减去 100 年 只要dob 大于now。您可能希望在 df['dob'] < now 条件下将 now 减去几年，因为 101 岁的工人比 1 岁的工人更有可能... 你可以从now中减去dob得到timedelta64[ns]。到 将其转换为年，使用 astype('<m8[Y]') 或 astype('timedelta64[Y]')。

【讨论】：

在 .py 文件中运行时，我从上面的代码中收到以下错误。这是什么意思 SettingWithCopyWarning: 试图在 DataFrame 的切片副本上设置一个值。尝试使用 .loc[row_index,col_indexer] = value 代替 df1['dob'] = pd.to_datetime(df1['dob'], format='%m%d%y') c:\users\davidl~1\ appdata\local\temp\1\tmpxt4mqz.py:37：尝试使用 .loc[row_index,col_indexer] = value 代替 df1['dob'] = df1['dob'].where(df1['dob']

该警告不是错误，而是代码可能分配给数据副本而不是DataFrame中的原始数据的警告。请参阅 this answer 和 the docs。我认为在上述代码的上下文中这是一个误报，但我不确定你为什么会看到警告，因为当我运行上面的代码时，我没有看到任何警告。当你运行上面的代码时，你看到警告了吗？

对不起，上面的代码出现 ValueError。

当我在你发布的 CSV 数据上运行你的代码时，我得到了正确的结果，没有错误。

我没有 Python2 和 pandas 来测试这个了，但如果我没记错的话，read_table 和 read_csv 都需要 BytesIO 并且如果通过 @987654343 会引发一些错误@.

【参考方案3】：

我找到了更简单的解决方案：

import pandas as pd
from datetime import datetime
from datetime import date

d = 'col0': [1, 2, 6], 
     'col1': [3, 8, 3], 
     'col2': ['17.02.1979', '11.11.1993', '01.08.1961']

df = pd.DataFrame(data=d)

def calculate_age(born):
    born = datetime.strptime(born, "%d.%m.%Y").date()
    today = date.today()
    return today.year - born.year - ((today.month, today.day) < (born.month, born.day))

df['age'] = df['col6'].apply(calculate_age)
print(df)

输出：

     col0  col1  col3        age
0       1     3  17.02.1979   39
1       2     8  11.11.1993   24
2       6     3  01.08.1961   57

【讨论】：

在这个日期不能正常工作，例如'20-03-2020'

【参考方案4】：

# Data setup
df

    lname   fname        dob
0     DOE  LAURIE 1979-03-01
1  BOURNE   JASON 1978-06-11
2  GRINCH    XMAS 1988-12-13
3     DOE    JOHN 1986-11-12

# Make sure to parse all datetime columns in advance
df['dob'] = pd.to_datetime(df['dob'], errors='coerce')

如果您只想要年龄的年份部分，请使用@unutbu's solution。 . .

now = pd.to_datetime('now')
now
# Timestamp('2019-04-14 00:00:43.105892')

(now - df['dob']).astype('<m8[Y]') 

0    40.0
1    40.0
2    30.0
3    32.0
Name: dob, dtype: float64

另一种选择是减去年份部分并使用

(now.year - df['dob'].dt.year) - ((now.month - df['dob'].dt.month) < 0)

0    40
1    40
2    30
3    32
Name: dob, dtype: int64

---

如果您想要（几乎）精确的年龄（包括小数部分），请查询 total_seconds 并除以。

(now - df['dob']).dt.total_seconds() / (60*60*24*365.25)

0    40.120446
1    40.840501
2    30.332630
3    32.418872
Name: dob, dtype: float64

【参考方案5】：

下面的解决方案怎么样：

import datetime as dt
import numpy as np
import pandas as pd
from dateutil.relativedelta import relativedelta

df1['age'] = [relativedelta(pd.to_datetime('now'), d).years for d in df1['dob']]

【参考方案6】：

当您尝试从出生日期列中查找当前年份的年龄时，请使用这一行

import pandas as pd

df["dob"] = pd.to_datetime(data["dob"])

df["age"] = df["dob"].apply(lambda x : (pd.datetime.now().year - x.year))