Erhalten Sie Werktage zwischen aufeinander folgenden Reihen Pandas

Question

Ziemlich einfache Frage.

Ich weiß:

df.diff() 

gibt mir die Tage dazwischen, und ich weiß, ich könnte mit

df.loc[df.Date.weekday == 4, 'Diff'] = 1 

eine Art von mojo zu tun, aber das ist nicht optimal. Ich versuchte

np.busday_count() 

Aber ich bekomme einen Fehler, den ich nicht ganz verstehe. Hier ist ein Beispielcode mit diesem Fehler:

In [36]: df = pd.DataFrame.from_dict({1: {'Date': '2016-01-01'}, 2: {'Date': '2016-01-02'}, 3: {'Date': '2016-01-03'}}, orient='index') 

In [37]: df['Date'] = df.Date.astype('<M8[D]') 

In [38]: np.busday_count(df.Date, df.Date.shift(1)) 
--------------------------------------------------------------------------- 
TypeError         Traceback (most recent call last) 
<ipython-input-38-07a4ae9a16f6> in <module>() 
----> 1 np.busday_count(df.Date, df.Date.shift(1)) 

TypeError: Iterator operand 0 dtype could not be cast from dtype('<M8[ns]') to dtype('<M8[D]') according to the rule 'safe' 

In [39]: df = pd.DataFrame.from_dict({1: {'Date': '2016-01-01'}, 2: {'Date': '2016-01-02'}, 3: {'Date': '2016-01-03'}}, orient='index') 

In [40]: np.busday_count(df.Date, df.Date.shift(1)) 
--------------------------------------------------------------------------- 
TypeError         Traceback (most recent call last) 
<ipython-input-40-07a4ae9a16f6> in <module>() 
----> 1 np.busday_count(df.Date, df.Date.shift(1)) 

TypeError: Iterator operand or requested dtype holds references, but the REFS_OK flag was not enabled 

Answer 1

Verstanden!

Also ich weiß nicht, ob dies jedermanns Bedürfnissen entspricht, aber dies funktioniert:

np.busday_count(df.Date.values.tolist(), df.Date.shift(1).fillna(df.Date).values.tolist()) 

im ToList So Zugabe() und die .fillna() Teile waren beide notwendig!

Answer 2

Mit np.busday_count können Sie auch versuchen:

x3 = [x.strftime('%Y-%m-%d') for x in df.Date] 
x4 = [x.strftime('%Y-%m-%d') for x in df.Date.shift(1).fillna(0)] 
np.busday_count(x4,x3) 
array([12001,  1,  0]) 

%timeit np.busday_count(x4,x3) 
The slowest run took 4.58 times longer than the fastest. This could mean that an intermediate result is being cached. 
100000 loops, best of 3: 12.5 µs per loop 

oder wenn Sie es wünschen:

x1 = [x.date() for x in df.Date] 
x2 = [x.date() for x in df.Date.shift(1).fillna(0)] 
np.busday_count(x2,x1) 
array([12001,  1,  0]) 

%timeit np.busday_count(x2,x1) 
10000 loops, best of 3: 43.4 µs per loop