[Python]データフレームに誕生日を利用して年齢を追加する

意外とてこずったので備忘録として残します。

まずは適当にデータフレームを作成
元のデータがなぜか日付が表記揺れしてたのでそのまま再現しています。

import pandas as pd

dict1=dict(entry=["20211120","20211020","20201120"], birthday=["1998/10/24","1966/8/8","1957/6/2"])
list1=pd.DataFrame(data=dict1)
list1

年齢を算出

list1['entry']=pd.to_datetime(list1['entry'])
list1['birthday']=pd.to_datetime(list1['birthday'])

list1["age"]=(pd.to_datetime(list1['entry'])-pd.to_datetime(list1['birthday'])).astype('timedelta64[Y]')
list1

astype('timedelta64[Y]')　こいつがミソです。

日付から「年」「月」「曜日」「曜日」を抽出して列に追加

list1['year']=list1['entry'].dt.year
list1['month']=list1['entry'].dt.month
list1['day']=list1['entry'].dt.day
list1['weekday']=list1['entry'].dt.weekday

#逆に「年」「月」「日」を日付に戻す
list1["date"] = pd.to_datetime(list1[["year", "month", "day"]])

#日付データに誤表記が含まれていた場合#

例えば1000/11/20が含まれていると

OutOfBoundsDatetime: Out of bounds nanosecond timestamp: 1000-12-04 00:00:00

とエラーが出る。
その場合はerrors = 'coerce'とすることでおかしな日付はNaTとなる

list1['entry']=pd.to_datetime(list1['entry'], errors = 'coerce')

おかしい日付を見つけて、該当の日付を修正するか削除する

list1[list1['entry'].isna()]

#別の方法で年齢を算出

list1['entry']=pd.to_datetime(list1['entry'])
list1['birthday']=pd.to_datetime(list1['birthday'])

age=[]

for i,u in zip(list1['entry'],list1['birthday']):
  ages=(int(i.strftime("%Y%m%d")) - int(u.strftime("%Y%m%d"))) // 10000
  age.append(ages)

list1['age']=age