根据字符串长度追加答案

【问题标题】：Append based on length of string根据字符串长度追加
【发布时间】：2016-07-08 20:00:03
【问题描述】：

我有一个像这样的df：

Year   Month  Day
1984   1      1
1985   12     22

我想让Month 和Day 无论如何都有两位数。所以我想要的数据框是这样的：

Year   Month  Day
1984   01     01
1985   12     22

我一直在玩这个：

for i in df.Month:
    i=str(i)
    if len(i) < 2:
        i='0' + i
    print i

但我不确定如何将新值实际重新插入数据框中，我很确定首先有更好的方法来做到这一点

【问题讨论】：

标签： python pandas python-2.x

【解决方案1】：

您应该让那些DataFrames 保持原样，并且只有在您需要生成报告时才应该担心这个演示问题。

然后就变成了一般的字符串格式化问题（^{see also format()}）。下面显示的是 (1) 转换为字符串，(2) 填充到长度的两个带前导空格，(3) 填充到长度的两个带前导零：

>>> ['{}'.format(x) for x in range(10)]
['0', '1', '2', '3', '4', '5', '6', '7', '8', '9']
>>> ['{:2}'.format(x) for x in range(10)]
[' 0', ' 1', ' 2', ' 3', ' 4', ' 5', ' 6', ' 7', ' 8', ' 9']
>>> ['{:02}'.format(x) for x in range(10)]
['00', '01', '02', '03', '04', '05', '06', '07', '08', '09']

【讨论】：

【解决方案2】：

我认为使用to_datetime 创建日期列以使用numpy datetime 数据类型可能是个好主意。看起来这会给您提供接近您想要的格式，但是您也可以使用dt.strftime 使用您想要的任何格式从这里格式化您的日期：

df['Date'] = pd.to_datetime(df.Year.astype(str) + ' ' 
                          + df.Month.astype(str) + ' ' 
                          + df.Day.astype(str))

df['Date']

0   1984-01-01
1   1985-12-22
Name: Date, dtype: datetime64[ns]

df.Date.dt.strftime("%Y %m %d")

0    1984 01 01
1    1985 12 22

【讨论】：

【解决方案3】：

请试试这个选项。如果您希望月份和日期各有 2 位数字。

for i in df.Month:
    i=str(i)
    print('%02d'%(i,)) #this is for python 3.4.4 in previous version this may be print "%02d" % (i,)

【讨论】：

【解决方案4】：

您可以使用astype 转换为string 和zfill 填充0：

#df['Year'] = df['Year'].astype(str) #if column Year has to be string
df['Month'] = df['Month'].astype(str).str.zfill(2)
df['Day'] = df['Day'].astype(str).str.zfill(2)
print df
   Year Month Day
0  1984    01  01
1  1985    12  22

如果所有列中的type 必须转换为string：

df = df.astype(str) 
df['Month'] = df['Month'].str.zfill(2)
df['Day'] = df['Day'].str.zfill(2)
print df

时间安排：

In [225]: %timeit df1.apply(lambda x: x.astype(str).str.zfill(2), axis=1)
1 loops, best of 3: 500 ms per loop

In [226]: %timeit a(df)
100 loops, best of 3: 10.8 ms per loop

代码：

df1 = df.copy()

def a(df):
    df = df.astype(str); 
    df['Month'] = df['Month'].str.zfill(2);
    df['Day'] = df['Day'].str.zfill(2);
    return df

print df1.apply(lambda x: x.astype(str).str.zfill(2), axis=1)
print a(df)

【讨论】：

或使用 oneliner：df.apply(lambda x: x.astype(str).str.zfill(2), axis=1)
是的，它很好，但速度很慢。我会添加一些时间。
很有趣，它慢了50倍。
它为什么这么慢很有趣。我认为他们应该有几乎相同的时间......
我认为没有apply 的zfill 是矢量化的。它可以解释更好的性能。