如何使用 Python Pandas 在列中提取时间戳

Question

我的数据集（Excel）只有一列，但信息太多。我想根据时间戳将其转换为表格格式。我想将其转换为如下列：时间、名称、URL。我正在尝试使用 Python Pandas 来实现这一点。

我正在查看这样的数据集：

6/10/2017  8:40:34 AM

James

URL:.....(multiple rows)

6/10/2017 8:45:34 AM

Jenny

URL:....

如何使用 Python Pandas 做到这一点？

Answer 1

这里有一个可以提供帮助的方法。

#create the dataframe
df = pd.DataFrame({'time': ['6/10/2017 08:40:34 AM', '6/10/2017 08:45:34 AM'], 'name':['James', 'Jenny'], 'url':['www.yahoo.com', 'www.google.com']})

# Set the index of the dataframe to time
indexed_df = df.set_index('time')

# review the original dataframe
df
Out[11]: 
    name                   time             url
0  James  6/10/2017 08:40:34 AM   www.yahoo.com
1  Jenny  6/10/2017 08:45:34 AM  www.google.com

# check the newly indexed dataframe
indexed_df
Out[12]: 
                        name             url
time                                        
6/10/2017 08:40:34 AM  James   www.yahoo.com
6/10/2017 08:45:34 AM  Jenny  www.google.com

我希望这会有所帮助。这是取自此文档https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.set_index.html

Answer 2

一种方法是使用 reshape，前提是值的顺序准确

df = pd.DataFrame(np.reshape(df.values,(len(df)//3,3)))
df.columns = ['Time', 'Name', 'URL']

    Time                    Name    URL
0   6/10/2017 8:40:34 AM    James   URL:.....(multi rows)
1   6/10/2017 8:45:34 AM    Jenny   URL:....

编辑：这是另一种方法

1. 使用 pd.to_datetime 提取时间
2. 使用 str.contains(URL) 提取 URL
3. 其他一切都归 Name

4. 每三行分组以填充 NaN 并删除重复项。

   df['Time'] = pd.to_datetime(df['col'], errors = 'coerce')

   df.loc[df['col'].str.contains('URL'), 'URL'] = df['col']

   df['Name'] = df[(df['Time'].isnull() & df['URL'].isnull())].col

   df.drop('col', axis = 1).groupby(df.index//3).ffill().bfill().drop_duplicates()

你得到

    Time                URL                     Name
0   2017-06-10 08:40:34 URL:.....(multi rows)   James
3   2017-06-10 08:45:34 URL:....                Jenny