从 .CSV 文件拆分日期：2016 年 1 月 16 日至年：2016，日：16，月：1答案

【问题标题】：Split Date from .CSV file: 1/16/2016 to Year: 2016, Day: 16, Month: 1从 .CSV 文件拆分日期：2016 年 1 月 16 日至年：2016，日：16，月：1
【发布时间】：2018-07-25 17:39:49
【问题描述】：

我有一个 .csv 文件，其中包含以下列：NAME、DATE、INFO、STATS、MORE_INFO

我想导入 .csv 文件（使用 Python 3.6 代码或 Pandas）

然后我需要过滤列：NAME、DATE、INFO

这是我遇到问题的地方，我需要将 .csv 文件的“日期”列列为 2016 年 1 月 16 日并将其分开，以便我只能为过滤后的 .csv 输出选择 MONTH文件。

我的最后一列要读如 NAME、MONTH、INFO

整个“日期”列分为两年 - 2016 年和 2017 年。我需要将 2016 年的名称、月份、信息保存到一个新的 .csv 文件中，2017 年也是如此，所以每年由分组月份分隔。

averageData = pd.read_csv('Data.csv', sep = ',', parse_dates=True)
df1 = averageData.loc[:, ["DATE", "NAME", "INFO"]]
df1["DATE"] = pd.to_datetime(df1["DATE"])
stripdate = datetime.datetime.strptime(['01-01-2016'], '%Y-%m-%d')

datetime.datetime.strptime() 应该以正确格式重新排列日期的变量 stripdate 是我误解的地方。如何按我的 .csv 文件中“日期”列下列出的日期的 MONTH 对所有内容进行分组。然后在新的 .csv 文件中按年份进一步分组？

【问题讨论】：

标签： python-3.x pandas datetime split strptime

【解决方案1】：

import pandas as pd

df = pd.DataFrame({'date':['01-16-2016','06-24-2016','04-30-2016','07-09-2016','03-21-2017','01-13-2017'],'Parameter':[10,420,60,10,21,33]})

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

如果您想在数据中添加年份：2016，日期：16，月份：1 的列，请尝试：

df['Year'] = df['date'].dt.year
df['Month'] = df['date'].dt.month
df['Day'] = df['date'].dt.day

之后，您可以根据年份定位数据框并保存到 csv。

df.loc[df['Year'] == 2016].to_csv('2016.csv')

如果您想按月对数据进行分组：

df=df.set_index('date')
df1=df.resample("M").sum() # Mean is another option.

或

df1 = df.groupby(pd.TimeGrouper("M")).sum()

【讨论】：