我的某些日期为26-07-10,其他的为4/8/2010,作为csv中的字符串类型。我希望它们采用单一格式,如4/8/2010,以便我可以解析它们并每年对它们进行分组。 python或pandas中有函数可以帮助我吗?
答案 0 :(得分:0)
您可以使用parse_dates
read_csv
的{{1}}个参数来解析这些日期表格,但是对于含糊不清的表单,如果您先将第一个表格与第一天混在一起,则可能会失败:
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
您可以使用dt.strftime
更改字符串格式来更改显示的格式:
In [10]:
df['date'].dt.strftime('%d/%m/%Y')
Out[10]:
0 26/07/2010
1 08/04/2010
Name: date, dtype: object
实际上,尽管最好将列保持为datetime
,然后您可以按年份分组:
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
答案 1 :(得分:0)
您可以尝试使用@EdChum提到的parse-date
pd.read_csv()
参数
或者,您可以将它们标记为标准格式,如datetime.date
的格式,如下所示:
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
出:
date
0 2010-07-26
1 2010-04-08