Pandas - 转换乱序字符串日期时间

Question

我有一个 DataFrame 列，其中包含日期/时间的字符串值（输入数据）。我需要将其转换为半时间戳格式（所需的输出数据）。有些行是空白的，需要保持空白。我使用引号用于说明目的。我正在使用strptime，但出现错误（见下文）。

输入数据（字符串）：

Mar 8 12:00 PM  2020
'                   '
Mar 8  1:00 PM  2020
Mar 8  6:00 PM  2020
Mar 9  8:00 AM  2020

所需的输出数据：

3/8/2020 12:00:00
'                '
3/8/2020 13:00:00
3/8/2020 18:00:00
3/9/2020 08:00:00

代码：

import datetime as dt
df['date'].apply(lambda x: dt.datetime.strptime(x, '%b %d %H:%M %p  %Y'))  

错误：

ValueError: time data '' does not match format '%b %d %H:%M %p %Y'

如何重写此代码以获得所需的输出？

Answer 1

对我来说，to_datetime 的格式与您的 %I 类似，用于选择 12 小时格式的时间，如果某些值不匹配，也会添加 errors='coerce' 用于缺失值 (NaT)：

df['date'] = pd.to_datetime(df['date'], format='%b %d %I:%M %p  %Y', errors='coerce')
print (df)
                 date
0 2020-03-08 12:00:00
1                 NaT
2 2020-03-08 13:00:00
3 2020-03-08 18:00:00
4 2020-03-09 08:00:00

自定义格式的最后一个使用Series.dt.strftime 和Series.replace：

df['date'] = (pd.to_datetime(df['date'], format='%b %d %I:%M %p  %Y', errors='coerce')
                .dt.strftime('%m/%d/%y %H:%M:%S')
                .replace('NaT', ''))

print (df)
                date
0  03/08/20 12:00:00
1                   
2  03/08/20 13:00:00
3  03/08/20 18:00:00
4  03/09/20 08:00:00

或者将多个空格替换为一个空格：

df['date'] = (pd.to_datetime(df['date'].replace('\s+', ' ', regex=True), format='%b %d %I:%M %p %Y', errors='coerce')
                .dt.strftime('%m/%d/%y %H:%M:%S')
                .replace('NaT', ''))

print (df)
                date
0  03/08/20 12:00:00
1                   
2  03/08/20 13:00:00
3  03/08/20 18:00:00
4  03/09/20 08:00:00