内容

jpholidayというライブラリがあって、日付を渡すと祝日かどうか教えてくれます。
特徴量として、平日か祝日かみたいなことを考えるときに、月～金のうち祝日を主に取り出したいって感じ

参考
u++さんの記事
 ほかの記事

import jpholiday
from datetime import date
today = date.today()
print(today)
print(jpholiday.is_holiday(today))

# 2020-12-09
# False

こんな感じで。

ただ、何となくpandasでぶちこむと残念ながらうまくいきません

import pandas as pd
from datetime import date, timedelta

today = date.today()
date_time = []
for i in range(1000):
    for _ in range(1000):
        date_time.append(today + timedelta(days = i))
df = pd.DataFrame({
    'datetime': date_time
})

print(df.head())

     datetime
0  2020-12-09
1  2020-12-09
2  2020-12-09
3  2020-12-09
4  2020-12-09

このdfのdatetime列について投入すると

jpholiday.is_holiday(df.datetime)

...
AttributeError: 'Series' object has no attribute 'month'

できないので、こうするとできます

df.datetime.map(jpholiday.is_holiday)

しかし、列数が100万超えてくるデータセットだとこの作業でも時間がかかります。

import time
import logging
from contextlib import contextmanager
@contextmanager
def timer(name, logger=None, level=logging.DEBUG):
    print_ = print if logger is None else lambda msg: logger.log(level, msg)
    t0 = time.time()
    print_(f'[{name}] start')
    yield
    print_(f'[{name}] done in {time.time() - t0:.1f} s')
with timer("map"):
    df.datetime.map(jpholiday.is_holiday)

[map] start
[map] done in 54.4 s

遅い。多分mapが1行ずつやってるからと思われます
そこで、unique()で重複している列を消して、dict形式でmapします

with timer("make_map"):
    dates = df.datetime.unique()
    date_dict = {}
    for i in dates:
        date_dict[i] = jpholiday.is_holiday(pd.to_datetime(i))
    df.datetime.map(date_dict)

[make_map] start
[make_map] done in 0.3 s

for文でもそれなりに早くなった
内包表記にするともうちょっと早くなるかも

要するに

このスクリプトはデータが1日1件しかない場合は使えません。
今回のデータ定義みたいに、1日に1000件が1000日みたいなときに早くできます。
参考になれば幸いです。