如何创建strftime%j？

Question

我有一个相对较大的10年的天气数据集，我想按一年中的每一天分组，以获得每一天的10年低点或高点，因此使用groupby我以这种方式创建了一个列：

df['dms'] = df['Date'].dt.strftime('%j')

问题是当我使用dt.strftime('%j')时，我会在同一天得到两个数字，这很奇怪，例如，当我只在12月31日之前过滤，我会value_counts()，我会得到以下结果：

365    363
366     82
Name: dms, dtype: int64

另一方面，如果我这样做，一切都会很好

Dec-31    445
Name: dm, dtype: int64

我甚至做了dt.strftime('%b-%d-%r').value_counts()，我得到了同样正确的过滤器

Dec-31-12:00:00 AM    445
Name: Date, dtype: int64

在%j案的幕后到底发生了什么

Answer 1

让我们考虑以下数据：

df = pd.DataFrame({'Date' : ['2016-12-31', '2017-12-31', '2018-12-31', '2019-12-31', '2020-12-31']})
df['Date'] = pd.to_datetime(df['Date'])
df

    Date
0   2016-12-31
1   2017-12-31
2   2018-12-31
3   2019-12-31
4   2020-12-31

在上面的数据中，2016和2020是闰年，2月29日是额外的一天，以弥补实际年份为365天8小时的事实（因此每四年，闰年/闰日都存在，因为我们将前三年额外的8小时之和（3 X 8=24），这就是为什么我们有闰日！），因此，我们应该期望在上述几年内返回366和%j，当我们这样做时：

import pandas as pd
df = pd.DataFrame({'Date' : ['2016-12-31', '2017-12-31', '2018-12-31', '2019-12-31', '2020-12-31']})
df['Date'] = pd.to_datetime(df['Date'])
df['Day'] = df['Date'].dt.strftime('%j')
df

    Date        Day
0   2016-12-31  366
1   2017-12-31  365
2   2018-12-31  365
3   2019-12-31  365
4   2020-12-31  366

但是，当您执行value_counts()时，它将返回：

365    3
366    2
Name: Day, dtype: int64

这也是预期的行为，因此%j在幕后正常工作，因为它适应闰年

Answer 2

%j返回年份001-366的日数（366表示闰年，365表示其他）。由于您的数据跨越10年，366将是闰年的有效日期