Wie ersetzt man nur einzelne Zahlen durch eine andere Zahl in einem Pandas-Dataframe?

Question

Ich habe folgende Pandas Datenrahmen:

date 
0 1 
1 2 
2 23 
3 31 
4 4 
... 
n 3 

Wie kann ich nur alle Zahlen von 1 bis 9 (zB Zahlen mit einer Ziffer) mit folgendem Format ersetzen:

01, 02, 03, 04, 05, 06, 07, 08, 09 

Ich habe versucht, mit Pandas ersetzen Funktion die folgenden zu tun:

df['date'] = df['date'].replace(['1', '2', '3', '4', '5', '6', '7', '8', '9']), 
                  [' 01 ', ' 02 ', ' 03 ', '04 ', ' 05 ', ' 06 ', ' 07 ', ' 08 ', ' 09 '],regex=True) 

Es hat jedoch nicht funktioniert, weil es alle (d. H. Zahlen mit mehr als einer Ziffer) die Zahlen innerhalb des Datenrahmens. Wie kann ich also die Datumsspalte normalisieren?

Answer 1

Bei Bedarf werfen die Säule zu strastype(str) verwenden, dann rufen str.zfill-0 Pad diesen Zahlen:

In [13]: 
df['date'] = df['date'].astype(str).str.zfill(2) 
df 

Out[13]: 
    date 
0 01 
1 02 
2 23 
3 31 
4 04 

in Bezug auf Ihre Bemerkung:

In [17]: 
df['year'] = '20' + df['date'] 
df 

Out[17]: 
    date year 
0 01 2001 
1 02 2002 
2 23 2023 
3 31 2031 
4 04 2004 

den oben genannten Arbeiten, wenn die Säule dtype bereits str

Answer 2

Versuchen ^([0-9])$ für das Muster und 0\1 für den Ersatz:

>>> df = p.DataFrame(data={'date': ['1', '2', '12', '31']}) 
>>> df['date'].replace('^([0-9])$', r'0\1', regex=True) 

0 01 
1 02 
2 12 
3 31 
Name: date, dtype: object 

die Kommentare lesen, die Sie auf andere Fragen geschrieben, es scheint, wie Sie Datumsformatierung tun. Ich glaube, es ist besser, dafür datetime zu verwenden. Hier ein Beispiel:

>>> from datetime import datetime 
>>> df = p.DataFrame(data={'date': ['1', '2', '12', '31'], 'month': ['1', '2', '5', '12'], 'year': ['07', '10', '16', '17']}) 
>>> dates = df.apply(lambda row: datetime(year=2000+int(row['year']), month=int(row['month']), day=int(row['date'])), axis=1) 
>>> dates 

0 2007-01-01 
1 2010-02-02 
2 2016-05-12 
3 2017-12-31 
dtype: datetime64[ns] 
>>> dates.apply(lambda row: row.strftime('%x')) 

0 01/01/07 
1 02/02/10 
2 05/12/16 
3 12/31/17 
dtype: object 
>>> dates.apply(lambda row: row.strftime('%Y-%m-%d')) 

0 2007-01-01 
1 2010-02-02 
2 2016-05-12 
3 2017-12-31 
dtype: object 

Auf diese Weise erhalten Sie eine bessere Kontrolle über das Datumsformat.

bearbeiten

Wenn Sie noch mehr Kontrolle über die Konvertierung benötigen, eine Funktion stattdessen machen:

>>> def convert_dates(row): 
...  year = row['year'] 
...  month = row['month'] 
...  day = row['date'] 
...  if '' in [year, month, day]: 
...   return None # Don't bother with empty values 
...  year, month, day = [int(x) for x in [year, month, day]] 
...  if year < 100: 
...   year += 2000 
...  return datetime(year, month, day) 
... 
>>> df = p.DataFrame(data={'date': ['11', '2', '1', '31'], 'month': ['08', '2', '5', '12'], 'year': ['1985', '10', '16', '']}) 
>>> df.apply(convert_dates, axis=1) 

0 1985-08-11 
1 2010-02-02 
2 2016-05-01 
3   NaT 
dtype: datetime64[ns] 

Answer 3

Verwenden Wortgrenzen:

Suche: \b(\d)\b
ersetzen: 0$1

Answer 4

Verwenden ein Regex, etwas wie

p = re.compile(r'\b\d\b') 
p.sub(lambda x: '0'+x.group(), '0 1 2 23 34 5') 
## result: '00 01 02 23 34 05'