Agregue una columna con el número de días entre fechas en DataFrame pandas

101

Quiero restar las fechas en 'A' de las fechas en 'B' y agregar una nueva columna con la diferencia.

df
          A        B
one 2014-01-01  2014-02-28 
two 2014-02-03  2014-03-01

He intentado lo siguiente, pero aparece un error cuando intento incluir esto en un bucle for ...

import datetime
date1=df['A'][0]
date2=df['B'][0]
mdate1 = datetime.datetime.strptime(date1, "%Y-%m-%d").date()
rdate1 = datetime.datetime.strptime(date2, "%Y-%m-%d").date()
delta =  (mdate1 - rdate1).days
print delta

¿Qué tengo que hacer?

python pandas date-difference

— Jase Villam
fuente

100

Suponiendo que estas fueran columnas de fecha y hora (si no se aplican to_datetime), puede restarlas:

df['A'] = pd.to_datetime(df['A'])
df['B'] = pd.to_datetime(df['B'])

In [11]: df.dtypes  # if already datetime64 you don't need to use to_datetime
Out[11]:
A    datetime64[ns]
B    datetime64[ns]
dtype: object

In [12]: df['A'] - df['B']
Out[12]:
one   -58 days
two   -26 days
dtype: timedelta64[ns]

In [13]: df['C'] = df['A'] - df['B']

In [14]: df
Out[14]:
             A          B        C
one 2014-01-01 2014-02-28 -58 days
two 2014-02-03 2014-03-01 -26 days

Nota: asegúrese de que está usando un nuevo pandas (por ejemplo, 0.13.1), esto puede no funcionar en versiones anteriores.

— Andy Hayden
fuente

24

¿Podemos deshacernos de la porción de "días" en el resultado en caso de que solo necesitemos ver el valor numérico? -58, -26 en este caso.

— 0nir

6

para expandir el comentario de @AndyHayden, eso funciona pero debería pd.offsets.Day(1)(con una 's'). Normalmente también lo niego, así que obtienes(df['A'] - df['B']) / pd.offsets.Day(-1)

— dirkjot

12

Sin embargo, si desea hacer esto en una serie completa, lo necesita (df['A'] - df['B']) / np.timedelta64(-1, 'D')por razones que no entiendo completamente.

— dirkjot

@dirkjot ¡Gracias por detectar el error tipográfico! IIRC esto se solucionó en pandas recientes, ¿estás usando 0.16.2 / 0.17?

— Andy Hayden

2

@webelo, el DatetimeIndex / Series en sí debería tener un .dt.daysatributo que debería ser muy preferido.

— Andy Hayden

109

Para eliminar el elemento de texto 'días', también puede utilizar el acceso dt () para la serie: https://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.dt.html

Entonces,

df[['A','B']] = df[['A','B']].apply(pd.to_datetime) #if conversion required
df['C'] = (df['B'] - df['A']).dt.days

que devuelve:

             A          B   C
one 2014-01-01 2014-02-28  58
two 2014-02-03 2014-03-01  26

— Ricky McMaster
fuente

3

Gran respuesta. En mi caso, df['C'] = (df['B'] - df['A']).dt.daysno funcionó y tuve que usar df['C'] = (df['B'] - df['A']).days. ¿Alguna idea de por qué el mío no dio la cantidad de días que esperaba?

— Samuel Nde

Nde - ¿cómo no funcionó exactamente? ¿Error o valores incorrectos? ¿Convirtió correctamente las columnas A y B a fecha y hora?

— Ricky McMaster

1

Ambas columnas son de fecha y hora (o datetime64[ns]para ser precisos). Cuando lo hice df['C'] = (df['B'] - df['A']).dt.days, recibí un error de atributo que decía AttributeError: El objeto 'Timedelta' no tiene atributo 'dt' , así que probé df ['C'] = (df ['B'] - df ['A']). días que me dieron la respuesta deseada. (Por supuesto que estoy usando mi propio marco de datos, no el del ejemplo anterior. O podría ser porque también tengo tiempo en mi fecha y no como en 2018-09-24 10:17:18.800277)

— Samuel Nde

1

Respuesta perfecta.

— user3065757

1

Gran solucion ¡Gracias!

— Rodrigo Hjort

11

Una lista de comprensión es su mejor opción para la forma más Pythonic (y más rápida) de hacer esto:

[int(i.days) for i in (df.B - df.A)]

Devolveré el timedelta (por ejemplo, '-58 días')
i.days devolverá este valor como un valor entero largo (por ejemplo, -58L)
int (i.days) le dará el -58 que busca.

Si sus columnas no están en formato de fecha y hora. La sintaxis más corta sería:df.A = pd.to_datetime(df.A)

— A.Kot
fuente

1

Qué tal esto:

times['days_since'] = max(list(df.index.values))  
times['days_since'] = times['days_since'] - times['months']  
times

— Tom
fuente