设置 pd.to_datetime 的格式

Question

您好，我已经提到，但我无法解决我的问题。我的 CSV 中有一列是字符串，下面是示例值（请注意 month 和 year 定位有时会颠倒）。我需要在 to_datetime 中设置什么格式？我尝试了以下所有方法

df = pd.read_csv("filename.csv") #Imagine there is a Month column

#[1] df["Month"] = pd.to_datetime(df["Month"])
#[2] df["Month"] = pd.to_datetime(df["Month"], format="%m/%d/%Y")

[Month]
Mar-97
Apr-97
May-97
Jun-97
Nov-00
Dec-00
1-Jan
1-Feb
1-Mar
1-Apr

我收到错误

ValueError: day is out of range for month

对于 [1]，我得到

ValueError: time data 'Mar-97' does not match format '%m/%d/%Y' (match)

对于 [2]。我也尝试删除 %d 但没有成功。你能告诉我这里出了什么问题吗？

Answer 1

一种方法是使用 try / except 和 pd.Series.apply:

s = pd.Series(['Mar-97', 'May-97', 'Nov-00', '1-Jan', '1-Mar'])

def converter(x):
    try:
        return pd.datetime.strptime(x, '%b-%y')
    except ValueError:
        year, month = x.split('-')  # split by delimiter
        x = year.zfill(2) + '-' + month  # %y requires 0-padding
        return pd.datetime.strptime(x, '%y-%b')

res = s.apply(converter)

print(res)

0   1997-03-01
1   1997-05-01
2   2000-11-01
3   2001-01-01
4   2001-03-01
dtype: datetime64[ns]

因为我们已经将converter定义为一个函数，所以我们可以直接将其与pd.read_csv一起使用：

df = pd.read_csv('file.csv', parse_dates=['dt_col_name'], date_parser=converter)

Python's strftime directives 是构建 datetime 格式字符串的有用参考。

Answer 2

不是最优雅的，但您可以尝试修复和排序年份和月份部分。以下代码有效：

重新创建您的数据：

df = pd.DataFrame({"date_str": ['Mar-97', 'Apr-97', 'May-97', 
                                'Jun-97', 'Nov-00', 'Dec-00',
                                '1-Jan', '1-Feb', '1-Mar', '1-Apr']})

拆分部分：

df = pd.concat([df, df['date_str'].str.split("-", expand=True)], axis=1)

整理月份和年份：

df.loc[df[0].str.len() == 3, 'month'] = df.loc[df[0].str.len() == 3, 0]
df.loc[df[1].str.len() == 3, 'month'] = df.loc[df[1].str.len() == 3, 1]
df.loc[df[0].str.len() != 3, 'year'] = df.loc[df[0].str.len() != 3, 0]
df.loc[df[1].str.len() != 3, 'year'] = df.loc[df[1].str.len() != 3, 1]

更正只有一个数字的年份：

df.loc[df['year'].str.len() == 1, 'year'] = '0' + df.loc[df['year'].str.len() == 1, 'year']

生成正确的日期列：

df['date'] = (df['month'] + '-' + df['year']).apply(lambda x: pd.to_datetime(x, format="%b-%y"))

输出：

print(df['date'])

0   1997-03-01
1   1997-04-01
2   1997-05-01
3   1997-06-01
4   2000-11-01
5   2000-12-01
6   2001-01-01
7   2001-02-01
8   2001-03-01
9   2001-04-01
Name: date, dtype: datetime64[ns]

设置 pd.to_datetime 的格式

Set the format for pd.to_datetime

python

datetime

python-3.x

string-to-datetime

pandas