在 Python 中转换“.to_datetime”时出现问题

Question

我有以下列表：

l = [<div class="date">8 December 2004</div>,
 <div class="date">6 December 2004</div>,
 <div class="date">18 October 2004</div>,
 <div class="date">9 October 2004</div>,
 <div class="date">8 August 2004</div>,
 <div class="date">18 June 2004</div>,
 <div class="date">23 December 2005</div>,
 <div class="date">19 December 2005</div>,
 <div class="date">19 December 2005</div>,
 <div class="date">15 December 2005</div>]

我想将其转换为具有 to.datetime 格式的 Date 列的数据框。

我尝试了很多解决方案（见下面的一个），但我无法理解它。


pd.to_datetime(pd.DataFrame({'Date':l}), format = '%d %B %Y')

谁能帮帮我？

谢谢！

Answer 1

通过BeautifulSoup提取标签内的文本，然后转换为日期时间：

from bs4 import BeautifulSoup

df = pd.DataFrame({'Date':[ BeautifulSoup(x, features="lxml").text for x in l]})
df['Date'] = pd.to_datetime(df['Date'], format = '%d %B %Y')
print (df)
        Date
0 2004-12-08
1 2004-12-06
2 2004-10-18
3 2004-10-09
4 2004-08-08
5 2004-06-18
6 2005-12-23
7 2005-12-19
8 2005-12-19
9 2005-12-15

Answer 2

如果您使用 BeautifulSoup 抓取它，您应该可以为您的系列调用以下命令。

pd.to_datetime(pd.Series([e.text for e in l]))

但如果它实际上已经是一个字符串，您将需要从 div 中提取日期。然后你可能想要删除 div 标签：

import re
pd.to_datetime(pd.Series([re.sub(r'<\/?div.*?>', '', s) for s in l]))

或者，您可以使用正则表达式提取日期本身，例如 \d{1,2} \w+ \d{4}。

注意不需要编译。对于像大多数 Pandas 脚本这样的短脚本，根据 re 模块 documentation.

编译和缓存正则表达式

The compiled versions of the most recent patterns passed to re.compile() and the module-level matching functions are cached, so programs that use only a few regular expressions at a time needn’t worry about compiling regular expressions.

在 Python 中转换“.to_datetime”时出现问题

Problems in converting ".to_datetime" in Python

python

pandas

string-to-datetime