用今天的日期减某列中每个时间，使用apply(lambda x:

假设你有一个 Pandas 数据框 `df`，其中包含一个名为 `some_date` 的列，该列包含日期。你想要用今天的日期减去该列中的每个日期，可以使用 `apply` 方法和 `lambda` 函数来实现。

首先，导入 `datetime` 模块和 Pandas 库：

import datetime
import pandas as pd

然后，使用 `apply` 方法和 `lambda` 函数来计算日期差值：

df['days_since_today'] = df['some_date'].apply(lambda x: (datetime.date.today() - x).days)

这个语句将计算 `some_date` 列中每个日期与今天日期之间的天数差值，并将结果存储在新列 `'days_since_today'` 中。其中，`lambda` 函数接受一个日期对象 `x`，并返回该日期与今天日期之间的天数差值。

你可以根据需要修改列名和函数来适应你的实际情况。需要注意的是，使用 `lambda` 函数可能会使代码难以阅读和调试，所以应该在适当的情况下使用。

相关问题

data['年份'] = data['日期'].apply(lambda x: x[0:4])的含义

这段代码的含义是：给定一个名为 `data` 的 Pandas 数据框，其中包含一个名为 `日期` 的列，该列包含日期信息，比如 `'2019-01-01'`。该代码将在数据框中新增一个名为 `年份` 的列，并将其填充为日期列中每个日期对应的年份。具体来说，它使用了 Pandas 的 `apply` 方法，将每个日期字符串 `x` 的前四个字符（即年份部分）提取出来，然后赋值给 `data` 数据框中的 `年份` 列。最终，`data` 数据框将包含两列：`日期` 和 `年份`。

info_user_new['average'] = info_user_new['amount']/info_user_new['numbers'] info_user_new['average'] = info_user_new['average'].apply(lambda x: '%.2f'% x) # 计算每个客户最近一次点餐的时间距离观测窗口结束的天数 # 修改时间列，改为日期 info_user_new['LAST_VISITS'] = pd.to_datetime(info_user_new['LAST_VISITS']) datefinally = pd.to_datetime('2016-7-31') # 观测窗口结束时间 time = datefinally - info_user_new['LAST_VISITS'] info_user_new['recently'] = time.apply(lambda x: x.days) # 计算时间差 # 特征选取 info_user_new = info_user_new.loc[:,['USER_ID', 'ACCOUNT', 'frequence', 'amount', 'average','recently', 'type']] info_user_new.head()

这段代码是对用户数据进行处理和特征选取的过程，具体来说：

- 第一行计算每个客户的平均订单金额，即将订单金额除以订单数量；
- 第二行将平均订单金额保留两位小数；
- 第四行将最近一次点餐时间的数据类型转换为日期；
- 第五行指定观测窗口结束时间为2016年7月31日；
- 第六行计算每个客户最近一次点餐时间距离观测窗口结束的天数；
- 第八行选取需要的特征列，包括用户ID、账户余额、订单频率、订单金额、平均订单金额、最近一次点餐时间距离观测窗口结束的天数和用户类型。

最后输出处理后的数据的前几行。