我使用Blaze(0.6.3)和Anaconda 2.1.0(在Python 2.7.8上)。我正在尝试在表的行中使用基于日期的筛选器。
模拟TSV文件如下:
name amount date
foo 100 2001-05-11 08:54:48.063856
bar 1000 0001-01-01 00:00:00.0
baz 10000 1970-01-02 00:00:00.0
python代码是
from blaze import *
from datetime import datetime
data = Table(CSV('mock.tsv'))
data[data.name > 'bar']
data[data.amount > 1000]
data[data.date > datetime(1970,1,1)]
前两个过滤器还可以,但第三个过滤器抛出SyntaxError
。
这一切似乎可以归结为以下几点:
lambda (name, amount, date): date > (1970-01-01 00:00:00)
这在语法上是无效的。不知怎的,在某个地方,datetime(1970,1,1)
被翻译成了datetime(1970-01-01 00:00:00)
,然后datetime
被遗忘了。Blaze本身识别具有?datetime
类型的date
列,这正是我想要的,但随后它在比较中失败了。
我用错方法了吗?
这是一个较旧的错误,现已修复。在这里,它正在使用开发版本。我相信Anaconda(0.6.5)的最新稳定版本应该也能很好地运行
In [1]: !cat tmp/myfile.csv
name, amount, date
foo, 100, 2001-05-11 08:54:48.063856
bar, 1000, 0001-01-01 00:00:00.0
baz, 10000, 1970-01-02 00:00:00.0
In [2]: from blaze import *
In [3]: data = Table('tmp/myfile.csv')
In [4]: from datetime import datetime
In [5]: data[data.date > datetime(1970,1,1)]
Out[5]:
name amount date
0 foo 100 2001-05-11 08:54:48.063856
1 baz 10000 1970-01-02 00:00:00
以下应该可以解决您的问题
conda update blaze
此外,Blaze很乐意将您的字符串强制为适当的类型,以防您懒得自己创建日期时间
In [6]: data[data.date > '1970-01-01']
Out[6]:
name amount date
0 foo 100 2001-05-11 08:54:48.063856
1 baz 10000 1970-01-02 00:00:00
您可以只使用pandas.to_datetime
来比较两个日期时间字符串,如下所示:
import pandas as pd
data = pd.read_clipboard()
data
name amount date
0 foo 100 2001-05-11 08:54:48.063856
1 bar 1000 1968-01-01
2 baz 10000 1970-01-02 00:00:00.0
问题在于0001-01-01 00:00:00.0
的Year值无效,因为它将panda转换为2001-01-01 ...
pd.to_datetime(data['date'][1])
Timestamp('2001-01-01 00:00:00')
通过更改无效日期的日期值,
# for example as 1968-01-01
data['date'][1] = '1968-01-01'
它成功返回您想要的结果
data[pd.to_datetime(data.date) > pd.to_datetime('1970-01-01')]
name amount date
0 foo 100 2001-05-11 08:54:48.063856
2 baz 10000 1970-01-02 00:00:00.0