早上好！我正在嘗試將具有各種格式的多個(gè)日期的列轉(zhuǎn)換為日期時(shí)間列。import pandas as pddata = {'c1':['2020/10/01','10/01/2020','10/1/2020','31/08/2020','12-21-2020','5-3-2020','05-03-2020','ERRER'] }df = pd.DataFrame (data, columns = ['c1'])上面的代碼創(chuàng)建了我的數(shù)據(jù)框以進(jìn)行測(cè)試。如果我運(yùn)行以下代碼，則會(huì)收到錯(cuò)誤，因?yàn)椤癊RRER”不是有效日期：df['c2'] = df.apply(lambda x: pd.to_datetime(x['c1']), axis=1)如果無(wú)法將其轉(zhuǎn)換為日期時(shí)間，是否可以跳過(guò) apply 函數(shù)中的一行？或者將錯(cuò)誤行轉(zhuǎn)換為默認(rèn)日期（即“1900-01-01”）？
3 回答
至尊寶的傳說(shuō)
TA貢獻(xiàn)1789條經(jīng)驗(yàn) 獲得超10個(gè)贊
errors='coerce'如果在to_datetimeget中使用NaT（日期時(shí)間缺失值），如果不是類(lèi)似日期時(shí)間的值 - 您可以傳遞列以提高性能，而不是apply循環(huán)：
df['c2'] = pd.to_datetime(df['c1'], errors='coerce')
print (df)
? ? ? ? ? ?c1? ? ? ? ?c2
0? 2020/10/01 2020-10-01
1? 10/01/2020 2020-10-01
2? ?10/1/2020 2020-10-01
3? 31/08/2020 2020-08-31
4? 12-21-2020 2020-12-21
5? ? 5-3-2020 2020-05-03
6? 05-03-2020 2020-05-03
7? ? ? ?ERRER? ? ? ? NaT
NaT然后按列刪除帶 s 的行c2：
df1 = df.dropna(subset=['c2'])
print (df1)
? ? ? ? ? ?c1? ? ? ? ?c2
0? 2020/10/01 2020-10-01
1? 10/01/2020 2020-10-01
2? ?10/1/2020 2020-10-01
3? 31/08/2020 2020-08-31
4? 12-21-2020 2020-12-21
5? ? 5-3-2020 2020-05-03
6? 05-03-2020 2020-05-03
或者您可以將它們替換為某個(gè)日期時(shí)間（不是 string '1900-01-01'）：
df['c2'] = pd.to_datetime(df['c1'], errors='coerce').fillna(pd.Timestamp('1900-01-01'))
print (df)
? ? ? ? ? ?c1? ? ? ? ?c2
0? 2020/10/01 2020-10-01
1? 10/01/2020 2020-10-01
2? ?10/1/2020 2020-10-01
3? 31/08/2020 2020-08-31
4? 12-21-2020 2020-12-21
5? ? 5-3-2020 2020-05-03
6? 05-03-2020 2020-05-03
7? ? ? ?ERRER 1900-01-01
print (df.dtypes)
c1? ? ? ? ? ? object
c2? ? datetime64[ns]
dtype: object
精慕HU
TA貢獻(xiàn)1845條經(jīng)驗(yàn) 獲得超8個(gè)贊
通過(guò)errors，coerce無(wú)法轉(zhuǎn)換的將返回NaT
df['c2'] = pd.to_datetime(df['c1'], errors='coerce')
df
Out[76]:
c1 c2
0 2020/10/01 2020-10-01
1 10/01/2020 2020-10-01
2 10/1/2020 2020-10-01
3 31/08/2020 2020-08-31
4 12-21-2020 2020-12-21
5 5-3-2020 2020-05-03
6 05-03-2020 2020-05-03
7 ERRER NaT
撒科打諢
TA貢獻(xiàn)1934條經(jīng)驗(yàn) 獲得超2個(gè)贊
您可能需要事先使用 轉(zhuǎn)換 ERRER replace。這意味著具有缺失值 NaT 的其他行將保持為 NaT。
df['c1'] = df['c1'].replace('ERRER', '01/01/1900')之后它應(yīng)該可以工作：
df['c2'] = df.apply(lambda x: pd.to_datetime(x['c1']), axis=1)
添加回答
舉報(bào)
0/150
提交
取消