如何格式化 2018 年 1 月，即如何在 python 中获取 mon-year 格式答案

【问题标题】：How to format Jan-2018 i.e how to get the mon-year format in python如何格式化 2018 年 1 月，即如何在 python 中获取 mon-year 格式
【发布时间】：2019-03-18 21:35:54
【问题描述】：

我正在尝试将 pandas 数据框中的列的数据类型从字符串更改为 datetype。我要求的格式是星期一（例如：2018 年 1 月）。我试过了：

dataframe['date_col'] = pd.to_datetime(dataframe['date_col'], format='%b-%Y')

我收到以下警告，我得到的输出格式为年-月-日，类似于 (2018-01-01)。

main：1：SettingWithCopyWarning：试图在 DataFrame 的切片副本上设置值。尝试使用 .loc[row_indexer,col_indexer] = value 而不是

请参阅文档中的注意事项： http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy

如何获得我想要的输出格式，即 Jan-2018。

【问题讨论】：

您能否提供前几行数据来重现此问题？例如df.head(5).
usd_applicant_dataset['last_pymnt_d'].head(5) Out[25]：0 Jan-2013 1 Apr-2014 2 Jun-2015 3 Jan-2015 4 Jan-2016 名称：last_pymnt_d，dtype：对象，使用后 usd_applicant_dataset['last_pymnt_d'] = pd.to_datetime(usd_applicant_dataset['last_pymnt_d'], format = '%b-%Y')Out[24]: 0 2015-01-01 1 2013-04-01 2 2014-06-01 3 2015-01-01 4 2016-01-01 名称：last_pymnt_d，dtype：datetime64[ns]
您能否将此数据添加到您的问题中（如edit）？在应用pd.to_datetime 之前及之后。

标签： python pandas datetime date-format

【解决方案1】：

`datetime` 值不存储为字符串！

它们以整数形式在内部存储，并且必须完整：例如，datetime 值必须包含日、月和年。因此，您必须选择以下选项之一：

使用datetime dtype 存储您的系列，并在显示或打印系列时查看默认表示，即2018-01-01。
使用object dtype 存储您的系列并选择您选择的表示形式。

没有“中介”选项可以两全其美。

选项 1：datetime

只需像现在一样使用pd.to_datetime。这是一个演示：

df = pd.DataFrame({'date_col': ['Jan-2018', 'Oct-2018', 'Dec-2018']})

df['date_col'] = pd.to_datetime(df['date_col'], format='%b-%Y')

print(df, df['date_col'].dtype)

    date_col
0 2018-01-01
1 2018-10-01
2 2018-12-01 datetime64[ns]

选项 2：object

嗯，这正是您输入的内容。没做什么。您的输入格式'%b-%Y'已经是'Jan-2018'的格式。

SettingWithCopyWarning注意事项

此警告与pd.to_datetime 无关。您的 dataframe 很可能是另一个数据帧的模糊切片，因此 Pandas 会显示警告，如果您不明确复制数据帧，您可能会看到意外结果。另见How to deal with SettingWithCopyWarning in Pandas?

【讨论】：

datetime 值不存储为字符串！

SettingWithCopyWarning注意事项

`datetime` 值不存储为字符串！