0

Dispongo de un dataframe cuyos nombres de columnas son fecha en formato '%m/%d/%y' y quiero filtrar el df según si la columna cumple una condición, en este caso que sea menor que otra fecha.

Para tratar fecha, he pasado ambas a datetime y luego usando strftime de nuevo al formato, pero no consigo que me filtre.

Pais           1/22/20    2/20/20    7/2/20
Afghanistan     100         20         5
Albania         50          10         3
Algeria         30          0          0

Os pongo ejemplo del csv y del código.

fecha = pd.to_datetime("01-06-20",format = '%d-%m-%y')
columnas_fecha = pd.to_datetime(df2.columns,format = '%m/%d/%y')
df_f = pd.DataFrame(data=columnas_fecha)
fechas_validas = list(df_f[df_f[0]<fecha][0])

fechas_finales = [i.strftime('%m/%d/%y') for i in fechas_validas]

cuando intento filtrar el df:

df2.loc[:,fechas_finales]

el resultado debería eliminar la última columna ya que es > '01-06-20'

el error es este:

KeyError: "None of [Index(['01/22/20', '01/23/20', '01/24/20', '01/25/20', '01/26/20', '01/27/20',\n       '01/28/20', '01/29/20', '01/30/20', '01/31/20',\n       ...\n       '05/22/20', '05/23/20', '05/24/20', '05/25/20', '05/26/20', '05/27/20',\n       '05/28/20', '05/29/20', '05/30/20', '05/31/20'],\n      dtype='object', length=131)] are in the [columns]"
2
  • 1
    ¿Dónde está el csv para poder hacer pruebas?
    – abulafia
    el 14 abr. 2021 a las 19:15
  • Perdón, ya lo he añadido. Muchas gracias
    – trompi26
    el 14 abr. 2021 a las 21:43

1 respuesta 1

0

Tu problema es que strftime("%m/%d/%y") genera tanto el dígito del día como el del mes con dos cifras (rellenando con 0 por la izquierda si es necesario), por lo que al final la lista de nombres de columna a preservar te sale:

>>> fechas_finales
['01/22/20', '02/20/20']

Y esos nombres de columnas efectivamente no corresponden con los que usa el dataframe que son '1/22/20' y '2/20/20' (sin el 0 delante del mes o del día).

Esto se arregla si usas esta otra cadena de formato: strftime("%-m/%-d/%y"). El - después del % suprime el cero inicial. Con eso tu ejemplo ya funcionaría.

De todas formas creo que puedes simplificar un poco el código, usando .drop() para quitar las columnas que no quieres (en vez de .loc[] para seleccionar las que sí):

columnas_fecha = pd.to_datetime(df2.columns, format = '%m/%d/%y')
fecha = pd.to_datetime("01-06-20", format = '%d-%m-%y')
df2.drop(columns=[d.strftime('%-m/%-d/%y') for d in columnas_fecha if d>=fecha])

produce:

             1/22/20  2/20/20
Pais                         
Afghanistan      100       20
Albania           50       10
Algeria           30        0

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.