熊猫数据框中的月份和日期搞砸了

Question

我遇到了这样一种情况，即我的数据框中的几个日期的月份和日期都搞砸了。例如，这里是输入：

df['work_date'].head(15)

    0     2018-01-01
    1     2018-02-01
    2     2018-03-01
    3     2018-04-01
    4     2018-05-01
    5     2018-06-01
    6     2018-07-01
    7     2018-08-01
    8     2018-09-01
    9     2018-10-01
    10    2018-11-01
    11    2018-12-01
    12    2018-01-13
    13    2018-01-14
    14    2018-01-15

日期存储为string。如您所见，日期格式为 yyyy-dd-mm，直到 1 月 12 日，然后变为 yyyy-mm-dd。数据框由 3 年的数据组成，这种模式在所有年份的所有月份都重复。

我的预期输出是将日期标准化为dddd-mm-yy 的格式，如下所示。

0     2018-01-01
1     2018-01-02
2     2018-01-03
3     2018-01-04
4     2018-01-05
5     2018-01-06
6     2018-01-07
7     2018-01-08
8     2018-01-09
9     2018-01-10
10    2018-01-11
11    2018-01-12
12    2018-01-13
13    2018-01-14
14    2018-01-15

以下是我编写的代码，它可以完成工作。基本上，我拆分日期字符串并进行一些字符串操作。但是，如您所见，它不太漂亮。我正在检查除了df.apply 和loops 之外是否还有其他优雅的解决方案。

def func(x):
    d = x.split('-')
    print(d)
    if (int(d[1]) <= 12) & (int(d[2]) <= 12) :
        d = [d[0],d[2],d[1]]
        x = '-'.join(d)
        return x
    else:
        return x
df['work_date'] = df['work_date'].apply(lambda x:func(x))

Answer 1

您可以根据以下事实来更新该列，即它是有序的并且只有一个日期并且一年中的所有日子都连续包含在内：

df['Date'] = pd.date_range(df['work_date'].min(), '2018-01-12', freq='1D')
# you can specify df['work_date'].min() OR df['work_date'].max) OR A STRING. It really depends on what format your minimum and your maximum is
df
Out[1]: 
     work_date       date
0   2018-01-01 2018-01-01
1   2018-02-01 2018-01-02
2   2018-03-01 2018-01-03
3   2018-04-01 2018-01-04
4   2018-05-01 2018-01-05
5   2018-06-01 2018-01-06
6   2018-07-01 2018-01-07
7   2018-08-01 2018-01-08
8   2018-09-01 2018-01-09
9   2018-10-01 2018-01-10
10  2018-11-01 2018-01-11
11  2018-12-01 2018-01-12
12  2018-01-13 2018-01-13
13  2018-01-14 2018-01-14
14  2018-01-15 2018-01-15

为了使这更加动态，您还可以做一些try / except 如下所示：

minn = df['work_date'].min()
maxx = df['work_date'].max()
try:
    df['Date'] = pd.date_range(minn, maxx, freq='1D')
except ValueError:
    s = maxx.split('-')
    df['Date'] = pd.date_range(minn, f'{s[0]}-{s[2]}-{s[1]}', freq='1D')
except ValueError:
    s = minn.split('-')
    df['Date'] = pd.date_range(f'{s[0]}-{s[2]}-{s[1]}', maxx, freq='1D')
df