Konvertieren einer Liste von Str von Datetime in Datum Uhrzeit

Question

Ich bin zwei Datenrahmen zuordnen, um zu überprüfen, ob ein Besuch passiert ist.

def visiter(d,visits): 
    visit = visits[d.start_date:d.end_date] 
    out = visit[(visit['user_id'] == d.user_id)&(visit['merchant_id']==d.merchant_id)].head(1) #only take the first visit 
    return (out.index.date.astype('str')) 

data['visited_at']= data.apply(lambda x: str(visiter(x,visits)),axis =1) 

Der Ausgang der obigen Spalte:

0    [] 
1    [] 
2 ['2017-04-24'] 
3    [] 
4    [] 
Name: visited_at, dtype: object 

die Spalte pd.to_datetime(data.visited_at, errors = 'coerce') Umwandeln NAT die gesamte Spalte macht.

Gibt es irgendwelche Änderungen an dem Code konnte ich die Datetime im richtigen Format wie folgt erhalten: 2017-05-01 00:00:00

Edit1: Die Datenrahmen sieht wie folgt aus:

Index id user_id merchant_id marketing_email_id start_date end_date email_status sms_status created_at visited_at 
0 68989 68990 13277 38 437 2016-04-11 00:00:00 2016-04-16 00:00:00 1 NaN 2016-04-11 11:05:31 [] 
1 403557 403558 195246 179 2218 2017-06-09 00:00:00 2017-06-12 00:00:00 0 1 2017-06-09 06:01:04 [] 
2 333381 333382 127359 514 1820 2017-04-24 00:00:00 2017-05-01 00:00:00 0 1 2017-04-24 10:00:33 ['2017-04-24'] 
3 511815 511816 151653 259 1136 2017-08-05 00:00:00 2017-08-08 00:00:00 0 1 2017-08-05 11:31:19 [] 
4 167172 167173 51546 32 363 2016-08-05 00:00:00 2016-08-15 00:00:00 1 NaN 2016-08-05 12:00:43 [] 

Answer 1

Sie entfernen müssen [] von strip:

pd.to_datetime(data['visited_at'].str.strip('[]'), errors = 'coerce') 

---

data['visited_at'] = pd.to_datetime(data['visited_at'].str.strip('[]'), errors = 'coerce') 
print (data) 

         Index id  user_id merchant_id \ 
0 68989 68990 13277  38 437 2016-04-11 00:00:00 
1 403557 403558 195246 179 2218 2017-06-09 00:00:00 
2 333381 333382 127359 514 1820 2017-04-24 00:00:00 
3 511815 511816 151653 259 1136 2017-08-05 00:00:00 
4 167172 167173 51546  32 363 2016-08-05 00:00:00 

         marketing_email_id start_date end_date email_status \ 
0 68989 68990 13277   2016-04-16 00:00:00   1   NaN 
1 403557 403558 195246   2017-06-12 00:00:00   0   1.0 
2 333381 333382 127359   2017-05-01 00:00:00   0   1.0 
3 511815 511816 151653   2017-08-08 00:00:00   0   1.0 
4 167172 167173 51546   2016-08-15 00:00:00   1   NaN 

         sms_status created_at visited_at 
0 68989 68990 13277 2016-04-11 11:05:31  NaT 
1 403557 403558 195246 2017-06-09 06:01:04  NaT 
2 333381 333382 127359 2017-04-24 10:00:33 2017-04-24 
3 511815 511816 151653 2017-08-05 11:31:19  NaT 
4 167172 167173 51546 2016-08-05 12:00:43  NaT 

Eine andere Lösung ist df von [0] mit if-else mit ausgewählten ersten Wert, wenn nicht leer überprüfen:

def visiter(d,visits): 
    visit = visits[d.start_date:d.end_date] 
    out=visit[(visit['user_id'] == d.user_id)&(visit['merchant_id']==d.merchant_id)].head(1) 
    out = np.nan if out.empty else out.index.date[0] 
    return (out) 

Answer 2

Sind die Werte in visited_at tatsächlich Listen ([]) oder Stringdarstellungen von Listen ('[]')?

Wenn Listen können Sie apply verwenden:

visited_at.apply(lambda x: pd.to_datetime(x[0]) if len(x) else x) 

Wenn Strings von Listen, können Sie es mit hacken:

visited_at.apply(lambda x: pd.to_datetime(x[1:-1]) if len(x)>2 else x) 

In beiden Fällen erhalten Sie:

0      [] 
1      [] 
2 2017-04-24 00:00:00 
3      [] 
4      []