在pandas中对datetime列进行矢量化操作

Question

我想要把一列日期时间对象转换成一列整数，这些整数表示“从那个日期时间到今天的天数”。我可以用一种比较笨的方法做到这一点，但我想找一种更好（也更快）的方法。

假设我有一个数据表，其中有一列日期时间，像这样：

11    2014-03-04 17:16:26+00:00
12    2014-03-10 01:35:56+00:00
13    2014-03-15 02:35:51+00:00
14    2014-03-20 05:55:47+00:00
15    2014-03-26 04:56:33+00:00
Name: datetime, dtype: object

每个元素看起来像：

datetime.datetime(2014, 3, 4, 17, 16, 26, tzinfo=<UTC>)

假设我想计算每个观察值发生的时间距离今天有多少天，并把这个结果作为一个简单的整数返回。我知道我可以用 apply 两次来实现，但有没有更简洁、更高效的方法呢？

today = datetime.datetime.today().date()
df_dates = df['datetime'].apply(lambda x: x.date())
days_ago = today - df_dates

这样会得到一个 timedelta64[ns] 的序列。

11   56 days, 00:00:00
12   50 days, 00:00:00
13   45 days, 00:00:00
14   40 days, 00:00:00
15   34 days, 00:00:00
Name: datetime, dtype: timedelta64[ns]

最后，如果我想把结果转换成整数：

days_ago_as_int = days_ago.apply(lambda x: x.item().days)
days_ago_as_int
11    56
12    50
13    45
14    40
15    34
Name: datetime, dtype: int64

有什么想法吗？

---

相关的问题虽然没有完全解决我想问的内容：

Pandas Python - 日期时间能否与向量化输入一起使用

Pandas 向列中添加一天

---

尝试了 Karl D 的回答，我成功获取了今天的日期和所需的日期列，但在减法操作时出现了问题（与原始示例中的日期时间不同，但这应该没关系，对吧？）：

converted_dates = df['date'].values.astype('datetime64[D]')
today_date = np.datetime64(dt.date.today())
print converted_dates
print today_date
print today_date - converted_dates

[2014-01-16 00:00:00 
2014-01-19 00:00:00 
2014-01-22 00:00:00
2014-01-26 00:00:00
2014-01-29 00:00:00]

2014-04-30 00:00:00

[16189 days, 0:08:20.637994
16189 days, 0:08:20.637991
16189 days, 0:08:20.637988
16189 days, 0:08:20.637984
16189 days, 0:08:20.637981]

Answer 1

对于一个名为 date 的列，你觉得怎么样？

import datetime as dt
df['foo'] = (np.datetime64(dt.date.today()) 
             - df['date'].values.astype('datetime64[D]'))
print df

                 date     foo
0 2014-03-04 17:16:26 56 days
1 2014-03-10 01:35:56 50 days
2 2014-03-15 02:35:51 45 days
3 2014-03-20 05:55:47 40 days
4 2014-03-26 04:56:33 34 days

或者如果你想把它当作一个整数来处理：

df['foo'] = (np.datetime64(dt.date.today()) 
             - df['date'].values.astype('datetime64[D]')).astype(int)
print df
                  date  foo
0 2014-03-04 17:16:26   56
1 2014-03-10 01:35:56   50
2 2014-03-15 02:35:51   45
3 2014-03-20 05:55:47   40
4 2014-03-26 04:56:33   34

或者如果它是一个索引的话：

print np.datetime64(dt.date.today()) - df.index.values.astype('datetime64[D]')

[56 50 45 40 34]

稍后编辑: 这样处理怎么样？

>>> print df

                 date
0 2014-03-04 17:16:26
1 2014-03-10 01:35:56
2 2014-03-15 02:35:51
3 2014-03-20 05:55:47
4 2014-03-26 04:56:33

试着把今天的日期赋值给一个列，这样 pandas 会把它转换成 datetime64 类型，然后再进行计算：

>>> df['today'] = dt.date.today()
>>> df['foo'] = (df['today'].values.astype('datetime64[D]')
               - df['date'].values.astype('datetime64[D]'))
>>> print df

                 date       today     foo
0 2014-03-04 17:16:26  2014-05-14 71 days
1 2014-03-10 01:35:56  2014-05-14 65 days
2 2014-03-15 02:35:51  2014-05-14 60 days
3 2014-03-20 05:55:47  2014-05-14 55 days
4 2014-03-26 04:56:33  2014-05-14 49 days