Question

我正在使用pandas .json从DataFrame文件导入数据，结果有点破碎：

              >> print df
              summary                                response_date
                  8.0  {u'$date': u'2009-02-19T10:54:00.000+0000'}
                 11.0  {u'$date': u'2009-02-24T11:23:45.000+0000'}
                 14.0  {u'$date': u'2009-03-03T17:55:07.000+0000'}
                 16.0  {u'$date': u'2009-03-10T12:23:04.000+0000'}
                 19.0  {u'$date': u'2009-03-17T17:19:55.000+0000'}
                 13.0  {u'$date': u'2009-03-25T15:10:52.000+0000'}
                 22.0  {u'$date': u'2009-04-02T16:57:31.000+0100'}
                 15.0  {u'$date': u'2009-04-08T22:29:09.000+0100'}
                 20.0  {u'$date': u'2009-04-16T18:14:20.000+0100'}
                 13.0  {u'$date': u'2009-04-29T10:47:06.000+0100'}
                 15.0  {u'$date': u'2009-05-06T13:45:45.000+0100'}
                 20.0  {u'$date': u'2009-05-26T10:41:52.000+0100'}

如何摆脱'日期'和其他混乱，创建一个包含日期和时间的正常列。要转换ISO8601格式，我通常使用：

df.response_date = pd.to_datetime(df.response_date)

更新1

       summary                 response_date                                  closed_date                                    open_date
          24.0  2011-10-15T00:00:00.000+0100                                          NaN                                          NaN
          24.0  2011-11-24T09:00:00.000+0000                                          NaN                                          NaN
          19.0  2011-10-01T09:00:00.000+0100                                          NaN                                          NaN
          25.0  2011-10-29T09:00:00.000+0100                                          NaN                                          NaN
          19.0  2011-10-08T09:00:00.000+0100                                          NaN                                          NaN
          -1.0  2011-11-09T17:20:00.000+0000  {u'$date': u'2011-11-16T15:20:00.000+0000'}  {u'$date': u'2011-11-09T15:20:00.000+0000'}
          -1.0  2011-11-16T17:20:00.000+0000  {u'$date': u'2011-11-23T15:20:00.000+0000'}  {u'$date': u'2011-11-16T15:20:00.000+0000'}
          -1.0  2011-11-23T17:20:00.000+0000  {u'$date': u'2011-11-30T15:20:00.000+0000'}  {u'$date': u'2011-11-23T15:20:00.000+0000'}
          -1.0  2011-11-30T17:20:00.000+0000  {u'$date': u'2011-12-07T15:20:00.000+0000'}  {u'$date': u'2011-11-30T15:20:00.000+0000'}

所以，

>> df.response_date = pd.DataFrame(df.response_date.values.tolist())

完美地工作，但其他列包含NaN值，并且用“-1”进行输入并没有帮助。

>> print type(df.ix[0,'scheduleClosedAt'])
<type 'int'>

更新2

为什么这个（屏蔽）方法不起作用？

>> df.reset_index(inplace=True)
>> indx_nan_closed = df.closed_date.isnull()
>> df[~indx_nan_closed].closed_date = pd.DataFrame(df[~indx_nan_closed].closed_date.values.tolist())

这一行等同于上面的那一行，但是有了掩蔽数组，所以我想把这个方法只应用于非NaN值，但结果是我的数据框“df”保持不变。这很奇怪。

有什么想法吗？

Answer 1

如果DataFrame为response_date，您可以使用list构造函数将type列转换为dict print (type(df.ix[0,'response_date'])) <class 'dict'> df.response_date = pd.DataFrame(df.response_date.values.tolist()) df.response_date = pd.to_datetime(df.response_date) print (df) summary response_date 0 8.0 2009-02-19 10:54:00 1 11.0 2009-02-24 11:23:45 2 14.0 2009-03-03 17:55:07：

type

如果string为print (type(df.ix[0,'response_date'])) <class 'str'> df.response_date = df.response_date.str.split().str[1].str.strip("'u}") df.response_date = pd.to_datetime(df.response_date) print (df) summary response_date 0 8.0 2009-02-19 10:54:00 1 11.0 2009-02-24 11:23:45 2 14.0 2009-03-03 17:55:07，请使用values和split：

dict

通过评论编辑：

2种可能的解决方案：

首先strip为空df.closed_date = df.closed_date.fillna(pd.Series([{}]))：

import numpy as np
import pandas as pd

df = pd.DataFrame({'summary':[19.0, -1.0,-1.0],
                   'response_date':['2011-10-08T09:00:00.000+0100','2011-11-09T17:20:00.000+0000','2011-11-16T17:20:00.000+0000'],
              'closed_date':[np.nan, {u'$date': u'2011-11-16T15:20:00.000+0000'}, {u'$date': u'2011-11-23T15:20:00.000+0000'}]},
                   columns=['summary','response_date','closed_date'])

print (df)
   summary                 response_date  \
0     19.0  2011-10-08T09:00:00.000+0100   
1     -1.0  2011-11-09T17:20:00.000+0000   
2     -1.0  2011-11-16T17:20:00.000+0000   

                                 closed_date  
0                                        NaN  
1  {'$date': '2011-11-16T15:20:00.000+0000'}  
2  {'$date': '2011-11-23T15:20:00.000+0000'}

另一个是fillna：

a = df.ix[df.closed_date.notnull(), 'closed_date'] 
print (a)
1    {'$date': '2011-11-16T15:20:00.000+0000'}
2    {'$date': '2011-11-23T15:20:00.000+0000'}
Name: closed_date, dtype: object

df['closed_date'] = pd.DataFrame(a.values.tolist(), index=a.index)
df.closed_date = pd.to_datetime(df.closed_date)
print (df)

   summary                 response_date         closed_date
0     19.0  2011-10-08T09:00:00.000+0100                 NaT
1     -1.0  2011-11-09T17:20:00.000+0000 2011-11-16 15:20:00
2     -1.0  2011-11-16T17:20:00.000+0000 2011-11-23 15:20:00

+.

Pandas DataFrame，带有JSON格式的日期和时间

1 个答案: