蟒蛇熊猫。日期对象按单独的列拆分。答案

【问题标题】：Python Pandas. Date object split by separate columns.蟒蛇熊猫。日期对象按单独的列拆分。
【发布时间】：2018-10-10 14:24:26
【问题描述】：

我在 Python (pandas) 中有日期写为“2010 年 1 月 31 日”。要应用线性回归，我希望有 3 个单独的变量：天数、月数、年数。

将 pandas 中的日期列拆分为 3 列的方法是什么？另一个问题是将相同的日子分成 3 组：1-10、11-20、21-31。

【问题讨论】：

你能把第二个问题单独分开吗？它与第一个问题并没有真正的关系，它会使其他用户难以找到简单的 Q&A。

标签： python pandas datetime time-series pandas-groupby

【解决方案1】：

df['date'] = pd.to_datetime(df['date'])

#Create 3 additional columns
df['day'] = df['date'].dt.day
df['month'] = df['date'].dt.month
df['year'] = df['date'].dt.year

理想情况下，您无需创建 3 个额外的列即可执行此操作，您只需将 Series 传递给您的函数。

In [2]: pd.to_datetime('01/31/2010').day
Out[2]: 31

In [3]: pd.to_datetime('01/31/2010').month
Out[3]: 1

In [4]: pd.to_datetime('01/31/2010').year
Out[4]: 2010

【讨论】：

您可以考虑在对to_datetime的调用中使用format='%m/%d/%Y'明确指定您的日期格式
@iDrwish，您介意将 OP 的问题分成 2 份（甚至可以自己进行问答）吗？原因是人们将无法找到包含多个问题的简单问答。而且，当然，您可能应该为每个解决方案投赞成票..
@jpp 感谢您指出这一点，我相应地编辑了我的答案。
@iDrwish，当然，我真的不想让你失去你对第二位的好答案。所以如果 OP 没有提出新问题，请随意自己做！
其实第二个Q&A是根据你@jpp今天早些时候给出的答案改编的，所以没有损失任何价值。

【解决方案2】：

这只会回答您的第一个问题

一种解决方案是使用operator.attrgetter 提取pd.Timestamp 对象的属性。

这种方法的好处是您可以轻松扩展/更改您需要的属性。此外，逻辑并不特定于对象类型。

from operator import attrgetter
import pandas as pd

df = pd.DataFrame({'date': ['1/21/2010', '5/5/2015', '4/30/2018']})

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

attr_list = ['day', 'month', 'year']
attrs = attrgetter(*attr_list)
df[attr_list] = df['date'].apply(attrs).apply(pd.Series)

print(df)

        date  day  month  year
0 2010-01-21   21      1  2010
1 2015-05-05    5      5  2015
2 2018-04-30   30      4  2018

【讨论】：

【解决方案3】：

from datetime import datetime
import pandas as pd

df = pd.DataFrame({'yyyymmdd': ['20150204', '20160305']})
for col, field in [("year", "%Y"), ("month", "%m"), ("day", "%d")]:
    df[col] = df["yyyymmdd"].apply(
        lambda cell: datetime.strptime(cell, "%Y%m%d").strftime(field))
    
print(df)

   yyyymmdd  year month day
0  20150204  2015    02  04
1  20160305  2016    03  05

【讨论】：