Ich habe einige meiner Datum als 26-07-10 und andere als 4/8/2010 als String-Typ in einem CSV. Ich möchte, dass sie im Format 4.8.2010 sind, damit ich sie jedes Jahr analysieren und gruppieren kann. Gibt es eine Funktion in Python oder Pandas helfen mir?Wie konvertiert man Stech verschiedener Datumsformate in einzelne Datumsformate in Python?
Sie können dieses Datum Formen analysieren mit parse_dates param von read_csv Note jedoch für mehrdeutige Formen kann es zum Beispiel fehlschlagen, wenn Sie Monat geben mit Tag gemischt erste Formen zuerst:
In [7]:
t="""date
26-07-10
4/8/2010"""
df = pd.read_csv(io.StringIO(t), parse_dates=[0])
df
Out[7]:
date
0 2010-07-26
1 2010-04-08
Sie durch das angezeigte Format ändern können Ändern des String-Format dt.strftime mit:
In [10]:
df['date'].dt.strftime('%d/%m/%Y')
Out[10]:
0 26/07/2010
1 08/04/2010
Name: date, dtype: object
Wirklich obwohl es besser ist, zu halten, die Spalte als datetime Sie dann auf Jahr GROUPBY können:
In [11]:
t="""date,val
26-07-10,23
4/8/2010,5567"""
df = pd.read_csv(io.StringIO(t), parse_dates=[0])
df
Out[11]:
date val
0 2010-07-26 23
1 2010-04-08 5567
In [12]:
df.groupby(df['date'].dt.year).mean()
Out[12]:
val
date
2010 2795
können Sie versuchen, mit parse-date Parameter von pd.read_csv() wie @EdChum erwähnt Alternativ können Sie sie in ein Standardformat typisieren könnte, wie das von datetime.date wie folgt:
import io
import datetime
t=u"""date
26-07-10
4/8/2010"""
df = pd.read_csv(io.StringIO(t), parse_dates=[0])
df.date.astype(datetime.date)
df
aus:
date
0 2010-07-26
1 2010-04-08
Da Sie Mischformat haben, müssen Sie sie anders analysieren, sind Ihre Daten nur in diesen 2 Formaten? Auch das zweite Formular ist ein ungültiges Formular, da es keine Null gefüllt – EdChum
ja nur zwei Format hat. aber etwas wie allgemeine Antwort kann hilfreicher sein. –
Hmm eigentlich scheint 'to_datetime' und' parse_dates' Parameter von 'read_csv' Mann/Frau genug, um beide Formen zu behandeln – EdChum