Trouver la fin du mois Pandas DataFrame de la Série

J'ai une série à l'intérieur d'un DataFrame que j'ai lu dans d'abord comme un objet, et puis avoir besoin de convertir une date au format aaaa-mm-jj où dd est à la fin du mois.

Comme un exemple, j'ai DataFrame df avec une colonne Date, objet:

...      Date    ...
...     200104   ...
...     200508   ...

Ce que je veux, quand cela est dit et fait est un objet date:

...      Date    ...
...  2001-04-30  ...
...  2005-08-31  ...

tel que df['Date'].item() retourne

datetime.date(2001, 04, 30)

J'ai utilisé le code suivant pour obtenir presque là, mais toutes mes dates sont au début du mois, pas la fin. Veuillez informer.

df['Date'] = pd.to_datetime(df['Date'], format="%Y%m").dt.date

Note: j'ai déjà importé des Pandas ad pd, et datetime en tant que dt

InformationsquelleAutor Lisle | 2016-05-20

72

Vous pouvez utiliser pandas.tseries.offsets.MonthEnd:
```
from pandas.tseries.offsets import MonthEnd

df['Date'] = pd.to_datetime(df['Date'], format="%Y%m") + MonthEnd(1)
```
La 1 dans MonthEnd juste spécifie pour avancer d'un pas en avant pour la prochaine date c'est une fin de mois. (À l'aide de 0, ou en le laissant vide également de travailler dans votre cas). Si vous voulez que le dernier jour du mois suivant, vous pouvez utiliser MonthEnd(2), etc. Cela devrait fonctionner pour tout le mois, de sorte que vous n'avez pas besoin de connaître le nombre de jours dans le mois, ou quelque chose comme ça. Plus de décalage d'informations peuvent être trouvées dans le la documentation.

Exemple d'utilisation et de sortie:
```
df = pd.DataFrame({'Date': [200104, 200508, 201002, 201602, 199912, 200611]})
df['EndOfMonth'] = pd.to_datetime(df['Date'], format="%Y%m") + MonthEnd(1)

     Date EndOfMonth
0  200104 2001-04-30
1  200508 2005-08-31
2  201002 2010-02-28
3  201602 2016-02-29
4  199912 1999-12-31
5  200611 2006-11-30
```
- Wow c'est génial, je souhaite que je savais à ce sujet avant....
- C'est de loin l'une des plus élégantes solutions que j'ai jamais vu, merci! 🙂
- Pas de problème! MonthEnd est l'un des joyaux cachés dans les Pandas que tu ne pense pas immédiatement Pandas aurait. Habituellement, mon premier réflexe est d'utiliser d'autres datetime bibliothèques..jusqu'à ce que je me souviens de Pandas a cool!
- vous devriez vérifier @martien lubberink réponse à quelques mises en garde ci-dessus.
- Cela ne semble pas fonctionner pour les pandas 0.19.2 et numpy 1.13.1. Reçu le message d'erreur "type de données datetime pas compris". Quelqu'un rencontré ce problème?
InformationsquelleAutor root

Convenu que la racine est la bonne méthode. Toutefois, les lecteurs qui ont aveuglément utilisation MonthEnd(1) êtes dedans pour une surprise s'ils utilisent la dernière date du mois en entrée:

In [4]: pd.Timestamp('2014-01-01')+MonthEnd(1)
Out[4]: Timestamp('2014-01-31 00:00:00')

In [5]: pd.Timestamp('2014-01-31')+MonthEnd(1)
Out[5]: Timestamp('2014-02-28 00:00:00')

À l'aide de MonthEnd(0) au lieu de cela donne ceci:

In [7]: pd.Timestamp('2014-01-01')+MonthEnd(0)
Out[7]: Timestamp('2014-01-31 00:00:00')

In [8]: pd.Timestamp('2014-01-31')+MonthEnd(0)
Out[8]: Timestamp('2014-01-31 00:00:00')

InformationsquelleAutor Martien Lubberink

1

utilisation dateutil.relativedelta. Ensuite, ajoutez un delta par rapport à la première du mois.
```
import dateutil.relativedelta as rd

datetime.date(2001, 4, 1) + rd.relativedelta(day=31)
```
vous obtient:
```
datetime.date(2001, 4, 30)
```
InformationsquelleAutor piRSquared

Vous devez vous connecter pour publier un commentaire.