我有一个从 excel 文件中读取的 Pandas 数据框，该文件是西班牙语，并且在日期列中包含所有月份，如下所示：
"11/ene/2021, 22/feb/, 04/mar/2021, 15/abr/2021, 13/may/2021, 16/jun/2021, 14/jul/2021, ...."
即，每个月是一个由 3 个字符组成的字符串，后跟年份，日期在格式的第一个位置，d/m/y。
因为它是西班牙语，所以我无法用日期时间解析，所以我想我可以用正则表达式搜索月份并替换为存储在字典中的与月份数相等的值。
我认为可行的正则表达式是：
r'\d+\/[a-z]{3}\/\d+'
在 Pandas 中有没有办法做到这一点？
【问题讨论】：
标签： python regex pandas dataframe
@Wiktor 的回答完全正确。但是，我认为以下实现更容易阅读：
months = ['ene','feb','mar','abr','may','jun','jul','ago','sep','oct','nov','dic']
d = dict(zip(months, np.arange(1, 13)))
那么你可以简单地使用pandas.to_datetime:
pd.to_datetime(df['dates'].replace(d, regex=True))
【讨论】：
你可以使用
import pandas as pd
months = {'ene': '01', 'feb': '02', 'mar':'03', 'abr':'04', 'may': '05', 'jun': '06','jul': '07','ago': '08','sep': '09','oct': '10','nov': '11','dic': '12'}
df = pd.DataFrame({'dates': ['11/ene/2021', '22/feb/2021', '04/mar/2021', '15/abr/2021', '13/may/2021', '16/jun/2021', '14/jul/2021']})
# => df
# dates
# 0 11/ene/2021
# 1 22/feb/2021
# 2 04/mar/2021
# 3 15/abr/2021
# 4 13/may/2021
# 5 16/jun/2021
# 6 14/jul/2021
pd.to_datetime(df['dates'].str.replace(rf'\b(?:{"|".join([x for x in months])})\b', lambda x: months[x.group()], regex=True))
# => 0 2021-11-01
# 1 2021-02-22
# 2 2021-04-03
# 3 2021-04-15
# 4 2021-05-13
# 5 2021-06-16
# 6 2021-07-14
# Name: dates, dtype: datetime64[ns]
在这里，rf'\b(?:{"|".join([x for x in months])})\b' 创建了一个类似于 \b(?:ene|feb|mar|abr|may|jun|jul|ago|sep|oct|nov|dic)\b 的正则表达式，它匹配 3 个字母的西班牙月份缩写。一旦在字符串中匹配，匹配的文本将用作months 字典的键以获得适当的值。结果被传递给pd.to_datetime 函数。
【讨论】：
[x for x in months] 获取字典键列表，"|".join(...) 使它们成为单个管道分隔的字符串。见Match a whole word in a string using dynamic regex。
.replace(rf'(?i)\b(?:{"|".join([x for x in months])})\b', lambda x: months[x.group().lower()], regex=True)
我们可以将setlocale LC_TIME 改为西班牙语（es_ES），而不是自己实现此行为，然后to_datetime 将使用格式字符串按预期工作，因为strftime() and strptime() Behavior 是相对于语言环境的：
import locale
import pandas as pd
# Use Spanish Locale
locale.setlocale(locale.LC_TIME, 'es_ES')
df = pd.DataFrame({
'dates': ['11/ene/2021', '22/feb/2021', '04/mar/2021', '15/abr/2021',
'13/may/2021', '16/jun/2021', '14/jul/2021', '03/ago/2021',
'07/sep/2021', '27/oct/2021', '17/nov/2021', '29/dic/2021']
})
# Convert to DateTime using pattern
# 2-digit day %d, locale month abbr %b, 4-digit year %Y
df['converted_dates'] = pd.to_datetime(df['dates'], format='%d/%b/%Y')
print(df)
df:
dates converted_dates
0 11/ene/2021 2021-01-11
1 22/feb/2021 2021-02-22
2 04/mar/2021 2021-03-04
3 15/abr/2021 2021-04-15
4 13/may/2021 2021-05-13
5 16/jun/2021 2021-06-16
6 14/jul/2021 2021-07-14
7 03/ago/2021 2021-08-03
8 07/sep/2021 2021-09-07
9 27/oct/2021 2021-10-27
10 17/nov/2021 2021-11-17
11 29/dic/2021 2021-12-29
【讨论】：
你可以这样使用：
month = {'ene':'1','feb':'2','mar':'3','abr':'4'}
df.columns = df.columns.to_series().replace(month, regex=True)
【讨论】：