4

我有一个大型数据集，一些用户将数据放在 csv 中。我将 CSV 转换为带有panda. 该列有超过 1000 个条目，这里是一个示例

datestart
5/5/2013
6/12/2013
11/9/2011
4/11/2013
10/16/2011
6/15/2013
6/19/2013
6/16/2013
10/1/2011
1/8/2013
7/15/2013
7/22/2013
7/22/2013
5/5/2013
7/12/2013
7/29/2013
8/1/2013
7/22/2013
3/15/2013
6/17/2013
7/9/2013
3/5/2013
5/10/2013
5/15/2013
6/30/2013
6/30/2013
1/1/2006
00/00/0000
7/1/2013
12/21/2009
8/14/2013
Feb 1 2013

然后我尝试使用将日期转换为年份

df['year']=df['datestart'].astype('timedelta64[Y]')

但它给了我一个错误：

ValueError: Value cannot be converted into object Numpy Time delta

使用日期时间64

df['year']=pd.to_datetime(df['datestart']).astype('datetime64[Y]')

它给了：

"ValueError: Error parsing datetime string ""03/13/2014"" at position 2"

由于该列是用户填写的，因此大多数格式为 MM/DD/YYYY，但有些数据是这样输入的：2013 年 2 月 10 日，有一个像 00/00/0000 这样的条目。我猜不同的格式搞砸了处理。

有没有try loop, if statement, 或者我可以跳过这些问题的东西？

如果日期时间失败，我将被迫使用str.extract同样有效的脚本：

year=df['datestart'].str.extract("(?P<month>[0-9]+)(-|\/)(?P<day>[0-9]+)(-|\/)(?P<year>[0-9]+)")


del df['month'], df['day']

并concat用来取出一年。

错误df['year']=pd.to_datetime(df['datestart'],coerce=True, errors ='ignore').astype('datetime64[Y]')消息是：

Message File Name   Line    Position    
Traceback               
    <module>    C:\Users\0\Desktop\python\Example.py    23      
    astype  C:\Python33\lib\site-packages\pandas\core\generic.py    2062        
    astype  C:\Python33\lib\site-packages\pandas\core\internals.py  2491        
    apply   C:\Python33\lib\site-packages\pandas\core\internals.py  3728        
    astype  C:\Python33\lib\site-packages\pandas\core\internals.py  1746        
    _astype C:\Python33\lib\site-packages\pandas\core\internals.py  470     
    _astype_nansafe C:\Python33\lib\site-packages\pandas\core\common.py 2222        
TypeError: cannot astype a datetimelike from [datetime64[ns]] to [datetime64[Y]]
4

1 回答 1

5

您首先必须将具有日期值的列转换为日期时间to_datetime()：

df['datestart'] = pd.to_datetime(df['datestart'], coerce=True)

这通常应该灵活地解析不同的格式（在coerce=True这里将无效日期转换为 很重要NaT）。

如果您想要日期的年份部分，您可以执行以下操作（似乎直接在 pandas 列上执行 astype 会产生错误，但values您可以获得底层的 numpy 数组）：

df['datestart'].values.astype('datetime64[Y]')

这样做的问题是，由于该值，它在将其分配给列时再次出现错误NaT（这似乎是一个错误，您可以通过执行来解决此问题df = df.dropna()）。但是，当您将其分配给列时，它会转换回 a datetime64[ns]，因为这是 pandas 存储日期时间的方式。所以我个人认为，如果你想要一个有年份的专栏，你可以更好地做到以下几点：

df['year'] =  pd.DatetimeIndex(df['datestart']).year

最后一个将以整数形式返回年份。

于 2014-06-17T20:47:52.403 回答