Pandas 日付けの処理について

Question

開始日と終了日のエラーを算出したいのですが、書き方がわからず困っています。
下記図に示します。

開始日の前に終了日が来る行を抽出したいです。
下記記載してみたいなのですが
条件に値したい正しいものまで出力されてしまいます。

書き方を教えて頂けますか。

df1 = df[(df6["開始日"] > df["終了日"] )]

よろしくお願い致します。

Answer 1

抽出するための式の方向性は合っています。df6とかdfが突然出てくるので正しいかどうかは、あなたにしかわかりませんが。

問題は、開始日と終了日のデータの種類が文字列(str)になっているため、正常に日付の比較を行なえていないことです。

解決策としては、CSVファイルなどからデータを読み込む際にparse_datesオプション引数を指定するか、読み込んだ後でpd.to_datetime()を利用して、開始日や終了日の列データ(Series)をdatetime64[ns]型に変換する必要があります。このとき、Seriesの各要素(1個の日付)はTimestamp型になり、日付による大小の比較を正しく行なえます。

import pandas as pd
import io

txt = """
開始日,終了日
2015/1/4,2014/12/31
2014/7/2,2014/12/12
2014/5/9,2013/12/1
2014/6/4,2014/12/31
2014/6/16,2014/12/3
2014/7/16,2014/12/31
2014/7/5,2014/12/31
2014/7/16,2012/3/5
"""

pd.set_option('display.unicode.east_asian_width', True)

# df = pd.read_csv(io.StringIO(txt), parse_dates=['開始日', '終了日'])
df = pd.read_csv(io.StringIO(txt))
df['開始日'] = pd.to_datetime(df['開始日'])
df['終了日'] = pd.to_datetime(df['終了日'])

print(df[df["開始日"] > df["終了日"]])

      開始日     終了日
0 2015-01-04 2014-12-31
2 2014-05-09 2013-12-01
7 2014-07-16 2012-03-05