时间戳

首页 > 解决方案 > 根据数据集中的值返回最早日期

python - 根据数据集中的值返回最早日期

问题描述

我正在处理记录世界各国选举和领导人的 REIGN 数据 ( https://www.oneearthfuture.org/datasets/reign )

在数据集中，有一个布尔选举预期变量，它从 0 变为 1，表示预计至少在未来 6 个月内会进行选举，可能会更早。

有问题的Excel数据表

我想创建一个新列，它返回预期（第 N 列）变为 1 的最早日期（即第一次预期选举的时间）。

因此，例如，阿富汗在列中，我们在 2014 年和 2017 年进行了选举。在 N 列中，我们看到它在 2014 年 10 月从 0 变为 1（预期选举），然后我们看到它在 2014 年 7 月回到 0 （选举结束）直到它在 2019 年 1 月回到 1（预期选举），然后在 2019 年 10 月回到 0。

因此，如果成功，我会将 2014 年 10 月（预计选举）和 2019 年 1 月（预计选举）作为新列中的选举公告日期以及预计选举的任何其他日期。

目前我有以下内容：

#bringing in Reign CSV
regin = pd.read_csv('REIGN_2021_7(1).csv')

#shows us the first 5 rows to make sure they look good
print(regin.head())

#show us the rows and columns in the file
regin.shape

#Getting our index
print(regin.columns)

#adding in a date column that concatenates year and month
regin['date'] = pd.to_datetime(regin[['year', 'month']].assign(DAY=1))
regin.head

#def conditions(s):
    if (s['anticipation'] == 1):
        return (s['date'])
    else:
        return 0
    
regin['announced_date'] = regin.apply(conditions, axis=1)

print(regin.head)

对我来说最大的问题是，虽然这会返回 1 出现的日期，但它不会显示最早的日期。我如何遍历预期列并返回最短日期，但要多次这样做，因为一个国家多年来将进行多次选举，因此在 N 列中有多个实例代表一个预期开启的国家（1）和关闭（0）。

提前感谢您的任何帮助！让我知道是否有任何不清楚的地方。

标签： pythonpandasnumpy

解决方案

如果您可以遍历您的日期，您可能会想要使用该datetime模块（假设所有日期都具有相同的格式）：

from datetime import datetime
[...]
earliest_date = datetime.today()
[... loop over data, by country ...]
  date1 = datetime.strptime(input_date_string1, date_string_format)
  if date1 < earliest_date:
    earliest_date = date1
[...]

该模块支持（除其他外）：

  • 从字符串中解析日期对象 ( .strptime(in_str, format))
  • 日期对象的比较 ( date1 > date2)
  • 当前日期 + 时间的日期时间对象 ( .today())
  • 来自任意日期的日期时间对象 ( .date(year, month, day))

文档：https ://docs.python.org/3/library/datetime.html

推荐阅读