Question

例如，我尝试将字段切换为＆＃39; date＆＃39;，将YYYYMMDD格式的日期包含在3个单独的字段中（＆＃39;年＆＃39;，＆＃39; ;月＆＃39;，＆＃39;天＆＃39;）。

我有一种方法可以一次分配一个值，但我认为有一种更有效的方法来产生所需的结果。

目前的解决方案：

df['year'] = df['date'].astype(str).apply(lambda x: x[:4])
df['month'] = df['date'].astype(str).apply(lambda x: x[4:6])
df['day'] = df['date'].astype(str).apply(lambda x: x[6:8])

以下是我尝试简化代码的一个示例：

df['year'], df['month'], df['day'] = df['date'].astype(str).apply(lambda x: [x[:4], x[4:6], x[6:8]])

Answer 1

您应始终将日期列转换为pandas datetime对象。您可以通过以下两种方式之一完成此操作： 1.当你提出日期时：

 df = pd.read_csv('your-raw_date.csv', parse_dates=[5,7])

注意：5和7是日期所在的列号。

您可以将名为to_datetime的方法用于单个列。有关详细信息，请参阅this post。

其次，导入名为datetime的模块

import datetime as dt

一旦你掌握了这两件事，就可以做到：

df['year'] = df['date'].dt.year
df['month'] = df['date'].dt.month
df['day'] = df['date'].dt.day

你可以做其他很酷的事情，比如

dt['signup_date_dayofweek'] = dt['date'].dt.dayofweek

查看datatime module

Answer 2

将字符串转换为datetime并使用datetime-type列'.dt. attributes

df.date = pd.to_datetime(df.date, format='%Y%m%d')
df['year'], df['month'], df['day'] = df.date.dt.year, df.date.dt.month, df.date.dt.day

将日期从日期转换为日期时间后，您可能会发现提取年份，月份和日期。甚至不需要日期，因为date列的dt属性可以随时获得这些属性。

Answer 3

因为它们看起来已经是整数，所以忘记了所有的字符串格式。

df['year'] = df.date//10**4
df['month'] = df.date//100%100
df['day'] = df.date%100

Answer 4

假设列date是字符串（object）dtype：

In [18]: df
Out[18]:
       date
0  20180131
1  20180611
2  20180513

In [19]: df.dtypes
Out[19]:
date    object
dtype: object

溶液：

In [22]: df[['year','month','day']] = df.date.str.extract(r'(\d{4})(\d{2})(\d{2})').astype(int)

In [23]: df
Out[23]:
       date  year  month  day
0  20180131  2018      1   31
1  20180611  2018      6   11
2  20180513  2018      5   13

In [24]: df.dtypes
Out[24]:
date     object
year      int32
month     int32
day       int32
dtype: object

PS如果date是数字dtype，那么我会选择@ ALollz的解决方案......

Answer 5

这是使用operator.attrgetter的功能性解决方案：

from operator import attrgetter

df = pd.DataFrame({'Date': [20180131, 20180611, 20180513]})

df['Date'] = pd.to_datetime(df['Date'], format='%Y%m%d')

parts = ('year', 'month', 'day')

df['Year'], df['Month'], df['Day'] = zip(*df['Date'].apply(attrgetter(*parts)).values)

print(df)

        Date  Year  Month  Day
0 2018-01-31  2018      1   31
1 2018-06-11  2018      6   11
2 2018-05-13  2018      5   13

切片Pandas系列（基于索引）分为多列数据帧

5 个答案: