loading...
我试图从csv文件上传一些数据，并找到日期和月份的值互换 .
下面给出了数据的外观：
id,date 1001,09/10/2018 1002,20/09/2018 1003,09/05/2018
所有的日期都是从九月开始，但是看到它们以不同的格式互换 . 我使用以下转换为datetime
df['date'] = pd.to_datetime(df['date']).dt.strftime('%d/%m/%Y')
Pandas没有处理你的样本数据的问题，因为它明显出现在US notation，除了 '20/09/2018' ，其中 20 不可能是一个月大熊猫没有问题处理 .
'20/09/2018'
20
但是，如果输入包含例如 '10/09/2018' （正如评论中所提到的），除非假定美国符号或事先知道绝对所有日期都是9月，否则不可能分辨日和月 .
'10/09/2018'
由于后者似乎是这种情况，你可以这样做
df['date'].map(lambda x: pd.datetime(x.year, x.day, x.month) if (x.month != 9) & (x.day == 9) else x)
0 2018-09-10 1 2018-09-20 2 2018-09-05
我已经找到一个巧妙的小技巧，使用 str.extract 和 pd.to_datetime 来快速有效地完成这项工作：
str.extract
pd.to_datetime
m = df.date.str.extract(r'(?:(09)/(\d+))')[1].astype(int) > 31 df['date'] = [ pd.to_datetime(d, dayfirst=m) for d, m in zip(df.date, m)] id date 0 1001 2018-09-10 1 1002 2018-09-20 2 1003 2018-09-05
暂时没有评论！
1
Pandas没有处理你的样本数据的问题，因为它明显出现在US notation，除了
'20/09/2018'，其中20不可能是一个月大熊猫没有问题处理 .但是，如果输入包含例如
'10/09/2018'（正如评论中所提到的），除非假定美国符号或事先知道绝对所有日期都是9月，否则不可能分辨日和月 .由于后者似乎是这种情况，你可以这样做
2
我已经找到一个巧妙的小技巧，使用
str.extract和pd.to_datetime来快速有效地完成这项工作：