我正在尝试学习 Python，来自 SAS 背景。
我已经导入了一个 SAS 数据集，我注意到的一件事是我有多个日期列作为 SAS 日期（我相信）。
在环顾四周时，我发现了一个解释如何执行此操作的链接 (here)：
代码如下：
alldata['DateFirstOnsite'] = pd.to_timedelta(alldata.DateFirstOnsite, unit='s') + pd.datetime(1960, 1, 1)
但是，我想知道如何为多个列执行此操作。如果我有多个日期字段，而不是多次重复这行代码，我可以创建我拥有的字段列表，然后在该字段列表上运行此代码吗？这是怎么做到的？
提前致谢
【问题讨论】：
是的，可以创建一个列表并遍历该列表以将 SAS 日期字段转换为 pandas 日期时间。但是，我不确定您为什么要使用 to_timedelta 方法，除非 SAS 日期字段以 1960/01/01 之后的秒数表示。如果您打算使用 to_timedelta 方法，那么只需创建一个函数，该函数将您的 df 和您的字段传递给您的函数：
def convert_SAS_to_datetime(df, field):
df[field] = pd.to_timedelta(df[field], unit='s') + pd.datetime(1960, 1, 1)
return df
现在，假设您有您知道应该转换为日期时间字段的字段列表（连同您的 df）：
my_list = ['field1','field2','field3','field4','field5']
my_df = pd.read_sas('mySASfile.sas7bdat') # your SAS data that's converted to a pandas DF
您现在可以使用 for 循环遍历您的列表，同时将这些字段和您的 df 传递给函数：
for field in my_list:
my_df = convert_SAS_to_datetime(my_df, field)
现在，我推荐的另一种方法是使用 to_datetime 方法，但这假设您知道日期字段的 SAS 格式。
例如01Jan2016 # date9 format
此时您可能需要查看文档here 以确定转换日期的指令。在date9格式的情况下，那么你可以使用：
df[field] = pd.to_datetime(df[date9field], format="%d%b%Y")
【讨论】：
如果我正确阅读了您的问题，您想将您的代码应用于多个列吗？这样做很简单：
alldata[['col1','col2','col3']] = 'your_code_here'
示例：
import pandas as pd
import numpy as np
df = pd.DataFrame({'A' : [np.NaN,np.NaN,3,4,5,5,3,1,5,np.NaN],
'B' : [1,0,3,5,0,0,np.NaN,9,0,0],
'C' : ['Pharmacy of IDAHO','Access medicare arkansas','NJ Pharmacy','Idaho Rx','CA Herbals','Florida Pharma','AK RX','Ohio Drugs','PA Rx','USA Pharma'],
'D' : [123456,123456,1234567,12345678,12345,12345,12345678,123456789,1234567,np.NaN],
'E' : ['Assign','Unassign','Assign','Ugly','Appreciate','Undo','Assign','Unicycle','Assign','Unicorn',]})
df[['E', 'D']] = 1 # <---- notice double brackets
print(df)
A B C D E
0 NaN 1.0 Pharmacy of IDAHO 1 1
1 NaN 0.0 Access medicare arkansas 1 1
2 3.0 3.0 NJ Pharmacy 1 1
3 4.0 5.0 Idaho Rx 1 1
4 5.0 0.0 CA Herbals 1 1
5 5.0 0.0 Florida Pharma 1 1
6 3.0 NaN AK RX 1 1
7 1.0 9.0 Ohio Drugs 1 1
8 5.0 0.0 PA Rx 1 1
9 NaN 0.0 USA Pharma 1 1
注意开头的双括号。希望这会有所帮助！
【讨论】：