更改 Excel 日期（作为整数）与单列中的时间戳混合 - 尝试过 str.extract

Question

我有一个包含一列日期的数据框，不幸的是我的导入（使用 read_excel）引入了日期格式作为日期时间，并将 Excel 日期作为整数。

我正在寻找的是一个日期仅格式为 %Y-%m-%d 的列

根据研究，excel 从 1900-01-00 开始，所以我可以添加这些整数。我尝试使用 str.extract 和正则表达式将列分成两列，一个是日期时间，另一个是整数。但是结果是 NaN。

这是一个输入代码示例

df = pd.DataFrame({'date_from': [pd.Timestamp('2022-09-10 00:00:00'),44476, pd.Timestamp('2021-02-16 00:00:00')], 'date_to': [pd.Timestamp('2022-12-11 00:00:00'),44455, pd.Timestamp('2021-12-16 00:00:00')]})

尝试首先通过提取整数来分隔列（从 MS excel 导入的日期）

df.date_from.str.extract(r'(\d\d\d\d\d)')

但是这给出了 NaN。

我试图将整数从列中分离出来的原因是，在尝试对混合列中的 excel 日期执行操作时出现错误（换句话说，使用以下代码会出错：）

def convert_excel_time(excel_time):

    return pd.to_datetime('1900-01-01') + pd.to_timedelta(excel_time,'D')

关于如何仅获取一列日期的任何指导？我发现 pandas 和 python 的日期时间模块和方面是最令人沮丧的！

谢谢

Answer 1

您可以通过to_timedelta 和errors='coerce' 将值转换为时间增量，如果不是整数，则添加Timestamp 称为d，然后使用errors='coerce' 转换日期时间，最后在自定义函数中传递给Series.fillna ：

def f(x):
    #https://stackoverflow.com/a/9574948/2901002
    d = pd.Timestamp(1899, 12, 30)
    timedeltas = pd.to_timedelta(x, unit='d', errors='coerce')
    dates = pd.to_datetime(x, errors='coerce')
    return (timedeltas + d).fillna(dates)

cols = ['date_from','date_to']
df[cols] = df[cols].apply(f)
print (df)
   date_from    date_to
0 2022-09-10 2022-12-11
1 2021-10-07 2021-09-16
2 2021-02-16 2021-12-16