如何使用带有“奇怪”字符串格式的 pandas.to_datetime答案

【问题标题】：How to use pandas.to_datetime with "strange" strings formats如何使用带有“奇怪”字符串格式的 pandas.to_datetime
【发布时间】：2019-07-14 11:00:27
【问题描述】：

我正在尝试使用 pandas.to_datetime 将 pandas 数据框的列从字符串类型转换为日期时间。 col 的值具有以下格式：

17 年第一季度

其中“Q”是一年中的第一个季度，“17”是 2017 年。

我在该列中也有空值（我可以删除日期为空的整行）。

我试图解决它，消除季度并仅考虑年份，但我无法通过这种方式将 16 年转换为 2016 年：

df_cpu["Launch_Date"] = [str(x) for x in df_cpu["Launch_Date"]]
df_cpu["Launch_Date"] = [x[3:5] for x in df_cpu["Launch_Date"]]
df_cpu["Launch_Date"] = [int(x) for x in df_cpu["Launch_Date"]]
df_cpu["Launch_Date"] = pd.to_datetime(df_cpu["Launch_Date"],    format('%Y'))

即使这样也行不通：

df_cpu["Launch_Date"] = pd.to_datetime(df_cpu["Launch_Date"], format('Q*\'%Y'))

因为我得到这个错误：

ValueError: ('Unknown string format:', "Q3'16")

我应该如何解决这个问题？

我想要以下类型的输出：例如，如果值为“Q1'16”，我想要“01-01-2016”。

【问题讨论】：

标签： python pandas datetime dataframe machine-learning

【解决方案1】：

考虑：

1) 提供的数据：

df_cpu = pd.DataFrame(["Q1'17","Q3'16"], columns=['Launch_Date'])

2) 发布日期列的长度始终为 5；

您可以使用pd.offsets.QuarterBegin() 将季度添加到一年的第一天：

>> pd.to_datetime(df_cpu.Launch_Date.str[3:5],format='%y') + np.multiply(pd.offsets.QuarterBegin(startingMonth=1), df_cpu.Launch_Date.str[1:2].values.astype(int)-1)
0   2017-01-01
1   2016-07-01
Name: Launch_Date, dtype: datetime64[ns]

【讨论】：

【解决方案2】：

我不是日期时间格式转换方面的专家，但这里有一个可行的解决方案。我不能说它是最有效的。我会编写一个函数，以您喜欢的格式返回日期时间，在数据帧上使用“应用”方法。

请注意，下面的函数假定年份始终为 20--，并且输出为字符串。根据需要更改输出数据类型。

def new_date(arr):
    if isinstance(arr, str):
        quarter = {'Q1':'01-01-', 'Q2':'04-01-', 'Q3':'07-01-', 'Q4':'10-01-'}
        x, y = arr.split("'")[0], arr.split("'")[1]
        x_new = quarter[x]
        y_new = '20'+y
        return x_new + y_new
    else:
        pass

df_cpu["Launch_Date"] = df_cpu["Launch_Date"].apply(new_date)

另请注意，“is_instance”条件仅用于处理 NaN 值。如果您使用 pd.dropna()，则不需要。

【讨论】：

【解决方案3】：

你可以将map字符串的第一部分改为一个可以在to_datetime之后使用的值如：

df_cpu = pd.DataFrame({'Launch_Date':["Q1'17", "Q3'16"]})
dict_Q = {"Q1": '01-01-', "Q3": '07-01-'}

print (pd.to_datetime( df_cpu["Launch_Date"].str[:2].map(dict_Q) #replace Qx by a first of month
                       + df_cpu["Launch_Date"].str[3:])) #get the year independtly

0   2017-01-01
1   2016-07-01
Name: Launch_Date, dtype: datetime64[ns]

并且不要忘记将 Q2 和 Q4 int dict_Q 添加到您想要的正确值

【讨论】：