在类内给Pandas DataFrame赋值导致TypeError

Question

我在一个类里面对一个数据框（dataframe）进行计算：

这个数据框大概长这样：

            JIBA3M  Year Month Day Day_b   MonthBegin
2014-01-01  0.05216 2014    1   1   1   2014-01-01 00:00:00
2014-01-02  0.05216 2014    1   2   1   2014-01-01 00:00:00
2014-01-03  0.05225 2014    1   3   1   2014-01-01 00:00:00
2014-01-04  0.05225 2014    1   4   1   2014-01-01 00:00:00
2014-01-05  0.05225 2014    1   5   1   2014-01-01 00:00:00

在类外面的ipython笔记本中，下面的代码可以互换使用：

df['MonthBegin'] = df[['Year', 'Month', 'Day_b']].apply(lambda s : datetime.datetime(*s), axis=1)
and
df['MonthBegin'] = df.apply(lambda x: datetime.datetime(x.Year, x.Month, 1), axis=1)

但是如果我在类的init方法里面尝试这段代码，第二种方式就会报错：

TypeError: ('integer argument expected, got float', u'occurred at index 2014-01-01 00:00:00')

我检查过，apply lambda部分如果我用debug print打印出来，结果是正常的。问题似乎出在把apply lambda的结果重新赋值给数据框上。

有什么想法吗？

Answer 1

你可以通过转换这些数据来确保它们是整数：

df['MonthBegin'] = df.apply(lambda x: datetime.datetime(int(x.Year), int(x.Month), 1), axis=1)

或者可以将每一列转换为确保它是int64类型（而不是浮点数）：

df['Year'] = df['Year'].astype(np.int64)
df['Month'] = df['Month'].astype(np.int64)

注意：可能有一些NaN（缺失值）导致这些数据被转换成浮点数，这种情况下你可能需要重新考虑你的方法（因为你无法将它们转换为整数！），一种选择是先进行字符串格式化，然后再使用 to_datetime：

df['Date'] = df.Year + '-' + df.Month + '-' + '01'
df['Date'] = pd.to_datetime(df['Date'])