从 Pandas 中单独的年、月和日期列制作日期时间系列答案

【问题标题】：Make Datetime Series from separate year, month, and date columns in Pandas从 Pandas 中单独的年、月和日期列制作日期时间系列
【发布时间】：2019-04-23 12:08:50
【问题描述】：

我们如何使用 'Yr'、'Mo' 和 'Dy' 列来创建一个 Datetime 类型的新列并将其设置为 Pandas DataFrame 的索引？

【问题讨论】：

标签： python pandas datetime dataframe

【解决方案1】：

首先，您应该将 Yr 转换为四位整数，即 1961 或 2061。这是明确的，如果您使用以下方法，则需要格式 YYYY-MM-DD。那是因为 Pandas 在 pandas/core/tools/datetimes.py 中使用了format='%Y%m%d'：

# From pandas/core/tools/datetimes.py, if you pass a DataFrame or dict
values = to_datetime(values, format='%Y%m%d', errors=errors)

所以，举个例子：

from itertools import product

import numpy as np
import pandas as pd
np.random.seed(444)

datecols = ['Yr', 'Mo', 'Dy']
mapper = dict(zip(datecols, ('year', 'month', 'day')))
df = pd.DataFrame(list(product([61, 62], [1, 2], [1, 2, 3])),
                  columns=datecols)
df['data'] = np.random.randn(len(df))

这里是df：

In [11]: df                                                                                                                                                   
Out[11]: 
    Yr  Mo  Dy      data
0   61   1   1  0.357440
1   61   1   2  0.377538
2   61   1   3  1.382338
3   61   2   1  1.175549
4   61   2   2 -0.939276
5   61   2   3 -1.143150
6   62   1   1 -0.542440
7   62   1   2 -0.548708
8   62   1   3  0.208520
9   62   2   1  0.212690
10  62   2   2  1.268021
11  62   2   3 -0.807303

为了简单起见，我们假设真实范围是 1920 年以后，即：

In [16]: yr = df['Yr']                                                                                                                                        

In [17]: df['Yr'] = np.where(yr <= 20, 2000 + yr, 1900 + yr)                                                                                                  

In [18]: df                                                                                                                                                   
Out[18]: 
      Yr  Mo  Dy      data
0   1961   1   1  0.357440
1   1961   1   2  0.377538
2   1961   1   3  1.382338
3   1961   2   1  1.175549
4   1961   2   2 -0.939276
5   1961   2   3 -1.143150
6   1962   1   1 -0.542440
7   1962   1   2 -0.548708
8   1962   1   3  0.208520
9   1962   2   1  0.212690
10  1962   2   2  1.268021
11  1962   2   3 -0.807303

您需要做的第二件事是重命名列；如果您将映射或 DataFrame 传递给pd.to_datetime()，Pandas 对此非常严格。这是该步骤和结果：

In [21]: df.index = pd.to_datetime(df[datecols].rename(columns=mapper))                                                                                       

In [22]: df                                                                                                                                                   
Out[22]: 
              Yr  Mo  Dy      data
1961-01-01  1961   1   1  0.357440
1961-01-02  1961   1   2  0.377538
1961-01-03  1961   1   3  1.382338
1961-02-01  1961   2   1  1.175549
1961-02-02  1961   2   2 -0.939276
1961-02-03  1961   2   3 -1.143150
1962-01-01  1962   1   1 -0.542440
1962-01-02  1962   1   2 -0.548708
1962-01-03  1962   1   3  0.208520
1962-02-01  1962   2   1  0.212690
1962-02-02  1962   2   2  1.268021
1962-02-03  1962   2   3 -0.807303

最后，这里是通过将列连接为字符串的替代方法：

In [27]: as_str = df[datecols].astype(str)   
In [30]: pd.to_datetime( 
    ...:     as_str['Yr'] + '-' + as_str['Mo'] +'-' + as_str['Dy'], 
    ...:     format='%y-%m-%d' 
    ...:    )                                                                                                                                                 
Out[30]: 
0    2061-01-01
1    2061-01-02
2    2061-01-03
3    2061-02-01
4    2061-02-02
5    2061-02-03
6    2062-01-01
7    2062-01-02
8    2062-01-03
9    2062-02-01
10   2062-02-02
11   2062-02-03
dtype: datetime64[ns]

再次注意，这将为您假设世纪。如果要明确，则需要按照与上述相同的方法在定义 as_str 之前添加正确的世纪。

【讨论】：

【解决方案2】：

正如布拉德所指出的，这就是我修复它的方法

def adjustyear(x):
    if x >= 1800:
        x = 1900 + x
    else:
        x = 2000 + x
    return x

def parsefunc(x):
    yearmodified = adjustyear(x['Yr'])
    print(yearmodified)
    datetimestr = str(yearmodified)+str(x['Mo'])+str(x['Dy'])
    return pd.to_datetime(datetimestr, format='%Y%m%d', errors='ignore')

data['newindex'] = data.apply(parsefunc, axis=1)
data.index = data['newindex']

【讨论】：