13
d = {'Dates':[pd.Timestamp('2013-01-02'),
              pd.Timestamp('2013-01-03'),
              pd.Timestamp('2013-01-04')],
     'Num1':[1,2,3],
     'Num2':[-1,-2,-3]}


df = DataFrame(data=d)  

我们有这个数据框

Dates                  Num1 Num2
0   2013-01-02 00:00:00  1  -1
1   2013-01-03 00:00:00  2  -2
2   2013-01-04 00:00:00  3  -3  

Dates    datetime64[ns]
Num1              int64
Num2              int64
dtype: object

这给了我

df['Dates'].isin([pd.Timestamp('2013-01-04')])  

0    False
1    False
2    False
Name: Dates, dtype: bool  

我期待日期为“2013-01-04”的 True,我错过了什么?我使用的是最新的 0.12 版本的 Pandas

4

4 回答 4

3

这对我有用。

df['Dates'].isin(np.array([pd.Timestamp('2013-01-04')]).astype('datetime64[ns]')) 

我知道这有点冗长。但以防万一你需要让它工作,这会有所帮助。有关详细信息,请参阅https://github.com/pydata/pandas/issues/5021

于 2013-12-02T14:06:35.240 回答
2

我有相同版本的熊猫,@DSM 的回答很有帮助。另一种解决方法是使用 apply 方法:

>>> df.Dates.apply(lambda date: date in [pd.Timestamp('2013-01-04')])

0    False
1    False
2     True
Name: Dates, dtype: bool
于 2017-01-30T02:47:16.483 回答
1

是的,这对我来说似乎是一个错误。它归结为这部分lib.ismember

for i in range(n):
    val = util.get_value_at(arr, i)
    if val in values:
        result[i] = 1
    else: 
        result[i] = 0

val是一个numpy.datetime64对象,并且values是一个set对象Timestamp。测试成员资格应该有效,但不能:

>>> import pandas as pd, numpy as np
>>> ts = pd.Timestamp('2013-01-04')
>>> ts
Timestamp('2013-01-04 00:00:00', tz=None)
>>> dt64 = np.datetime64(ts)
>>> dt64
numpy.datetime64('2013-01-03T19:00:00.000000-0500')
>>> dt64 == ts
True
>>> dt64 in [ts]
True
>>> dt64 in {ts}
False

我认为通常这种行为 - 在列表中工作,而不是在集合中工作 - 是由于出现问题__hash__

>>> hash(dt64)
1357257600000000
>>> hash(ts)
-7276108168457487299

如果哈希值不同,则不能在集合中进行成员资格测试。我可以想出几种方法来解决这个问题,但选择最好的方法将取决于他们在实施我没有资格评论的时间戳时所做的设计选择。

于 2013-09-28T18:50:46.153 回答
0

我发现在我的情况下使用字符串效果更好:

df['Dates'].isin(['2013-01-04'])
0    False
1    False
2     True
Name: Dates, dtype: bool
df_qry = df['Dates'][df['Num1']>=2]
1   2013-01-03
2   2013-01-04
Name: Dates, dtype: datetime64[ns]
df_mask = df['Dates'].isin(df_qry.astype(str))
0    False
1     True
2     True
Name: Dates, dtype: bool
df[df_mask]
    Dates   Num1    Num2
1   2013-01-03  2   -2
2   2013-01-04  3   -3

只是一个旁注:这对于设置rangebreaks情节时间序列非常方便,例如:

fig.update_yaxes(rangebreaks=[dict(values=df.index[df_mask].astype(str))])
于 2021-03-29T12:28:54.153 回答