Python中基于日期创建分类列：代码错误排查与修正

给定数据 #

# importing libraries
import numpy as np
import pandas as pd 

# create data table
df = pd.DataFrame({
    'date': ['1/7/2020 19:09','11/18/2019 20:23','5/19/2023 14:55','9/11/2019 17:14']}) 

分类规则 #

我的尝试 #

我先提取月份和日期，再用np.where创建条件列，但输出全为"Fall"，不符合预期：

# extracting month and day
df['month'] = pd.to_datetime(df["date"], format= date_format).dt.month
df['day']  = pd.to_datetime(df["date"], format= date_format).dt.day

# use np.where to create a conditional column
df['term_type'] = np.where((df['month']>=3) & (df['month']<6) & (df['day']<=6) & (df['day']>=23),'summer',
                    np.where((df['month']>=10) & (df['month']<=3) & (df['day']>=22),'spring','fall'))

期望输出 #

# Desired output
df['desired_term_type'] = ['spring','spring','summer','fall']

错误点分析 #

1. 日期格式参数缺失：pd.to_datetime中format=date_format未定义，需根据输入日期格式指定format='%m/%d/%Y %H:%M'，否则可能导致日期解析错误。
2. Summer条件逻辑矛盾：原条件(df['month']>=3) & (df['month']<6) & (df['day']<=6) & (df['day']>=23)无法成立，一个日期的天数不可能同时满足>=23和<=6，且未覆盖7月1日-6日的区间。
3. Spring条件逻辑错误：(df['month']>=10) & (df['month']<=3)逻辑矛盾，月份不可能同时大于等于10且小于等于3，未拆分跨年度的两个区间（10月24日-12月31日、1-3月22日）。

修正代码 #

方法1：利用一年中的天数简化判断

这种方法更简洁，避免复杂的多条件嵌套：

import numpy as np
import pandas as pd 

df = pd.DataFrame({
    'date': ['1/7/2020 19:09','11/18/2019 20:23','5/19/2023 14:55','9/11/2019 17:14']}) 

# 转换为datetime格式并指定正确格式
df['datetime'] = pd.to_datetime(df['date'], format='%m/%d/%Y %H:%M')
# 提取一年中的第几天（1-366）
df['day_of_year'] = df['datetime'].dt.dayofyear

# 定义各学期对应的天数区间
conditions = [
    (df['day_of_year'] >= 82) & (df['day_of_year'] <= 187),  # 3月23日（第82天）-7月6日（第187天）
    (df['day_of_year'] >= 188) & (df['day_of_year'] <= 296), # 7月7日（第188天）-10月23日（第296天）
    (df['day_of_year'] >= 297) | (df['day_of_year'] <= 81)   # 10月24日（第297天）-次年3月22日（第81天）
]
choices = ['Summer', 'Fall', 'Spring']

df['term_type'] = np.select(conditions, choices)

# 输出结果
print(df[['date', 'term_type']])

方法2：修正月日判断逻辑

如果坚持使用月份和日期判断，需拆分区间条件：

import numpy as np
import pandas as pd 

df = pd.DataFrame({
    'date': ['1/7/2020 19:09','11/18/2019 20:23','5/19/2023 14:55','9/11/2019 17:14']}) 

# 转换为datetime并提取月、日
df['datetime'] = pd.to_datetime(df['date'], format='%m/%d/%Y %H:%M')
df['month'] = df['datetime'].dt.month
df['day'] = df['datetime'].dt.day

# 修正条件逻辑
df['term_type'] = np.where(
    # Summer：3月23日-7月6日
    ((df['month'] == 3) & (df['day'] >= 23)) | 
    ((df['month'] >=4) & (df['month'] <=6)) | 
    ((df['month'] ==7) & (df['day'] <=6)),
    'Summer',
    np.where(
        # Fall：7月7日-10月23日
        ((df['month'] ==7) & (df['day'] >=7)) | 
        ((df['month'] >=8) & (df['month'] <=9)) | 
        ((df['month'] ==10) & (df['day'] <=23)),
        'Fall',
        # Spring：剩余跨年度区间
        'Spring'
    )
)

# 输出结果
print(df[['date', 'term_type']])

结果验证 #

两种方法均会得到符合预期的输出：

内容的提问来源于stack exchange，提问作者Minh Chau