熊貓：str類型的列轉換爲tslib.Timestamp後使用應用函數

Question

我試圖過濾出一些奇怪的數據框中出現一些重複的數據：'Col1'字符串元素轉換爲時間戳，恕不另行通知。我希望Col1繼續擁有字符串元素。

這裏是例子：

>>> from pandas import * 
>>> import datetime as DT 
>>> df = DataFrame({ 
    'Col0': 'RR0 RR1 RR2 RR3 RR4 RR5 RR6 RR7'.split(), 
    'Col1' : 'A7 A1 A2 A3 A4 A5 A6 A7'.split(), 
    'Col2' : [ 
       DT.datetime(2013,1,1,13,0), 
       DT.datetime(2013,1,1,13,5), 
       DT.datetime(2013,10,1,20,0), 
       DT.datetime(2013,10,2,10,0), 
       DT.datetime(2013,10,1,20,0), 
       DT.datetime(2013,10,2,10,0), 
       DT.datetime(2013,12,2,12,0), 
       DT.datetime(2013,12,2,14,0) 
       ], 
    'Col3': [1,3,5,1,8,1,9,3], 
    'Col4': 'L0 L1 L0 L0 L2 L2 L3 L4'.split()}) 

>>> df=df[['Col0','Col1','Col2','Col3','Col4']] 

>>> df 
    Col0 Col1    Col2 Col3 Col4 
0 RR0 A7 2013-01-01 13:00:00  1 L0 
1 RR1 A1 2013-01-01 13:05:00  3 L1 
2 RR2 A2 2013-10-01 20:00:00  5 L0 
3 RR3 A3 2013-10-02 10:00:00  1 L0 
4 RR4 A4 2013-10-01 20:00:00  8 L2 
5 RR5 A5 2013-10-02 10:00:00  1 L2 
6 RR6 A6 2013-12-02 12:00:00  9 L3 
7 RR7 A7 2013-12-02 14:00:00  3 L4 

# Filter the data of Col4 by oldest time register in Col2 
>>> df2=df.groupby('Col4',group_keys=False,as_index=False).apply(lambda x: x.ix[x.Col2.idxmin()]) 

# df was filtered but Col1 was transformed to Timespan 
>>> df2 
    Col0  Col1    Col2 Col3 Col4 
0 RR0 2015-04-07 2013-01-01 13:00:00  1 L0 
1 RR1 2015-04-01 2013-01-01 13:05:00  3 L1 
2 RR4 2015-04-04 2013-10-01 20:00:00  8 L2 
3 RR6 2015-04-06 2013-12-02 12:00:00  9 L3 
4 RR7 2015-04-07 2013-12-02 14:00:00  3 L4 

問題：什麼是對這種行爲的原因是什麼？有沒有辦法避免這種情況發生？

Answer 1

Pandas嘗試識別類似datetime的列數據，如果是，則將該列轉換爲datetime dtype。它在引擎蓋下使用dateutil.parser.parse。不幸的是，dateutils.parser.parse承認某些字符串像A7作爲一個日期：

In [28]: import dateutil.parser as DP 
In [29]: DP.parse('A7') 
Out[31]: datetime.datetime(2015, 4, 7, 0, 0) 

即使（在這種情況下），它的目的不是爲日期。

因此，要解決這個問題，你可以使用df.iloc收集idxmin S，以及選擇行從df：

idx = df.groupby('Col4')['Col2'].idxmin() 
df2 = df.iloc[idx] 

產量

Col0 Col1    Col2 Col3 Col4 
0 RR0 A7 2013-01-01 13:00:00  1 L0 
1 RR1 A1 2013-01-01 13:05:00  3 L1 
4 RR4 A4 2013-10-01 20:00:00  8 L2 
6 RR6 A6 2013-12-02 12:00:00  9 L3 
7 RR7 A7 2013-12-02 14:00:00  3 L4