使用 str 中的常量值在 pandas df 中添加日期列答案

【问题标题】：Add a date column in pandas df using constant value in str使用 str 中的常量值在 pandas df 中添加日期列
【发布时间】：2017-04-13 00:51:36
【问题描述】：

我在 pandas df 中有一张桌子

    product_id_x    product_id_y    count
0   2727846            7872456       1
1   29234              2932348       2
2   29346              9137500       1
3   29453              91365738      1
4   2933666            91323494      1

我想添加一个我在 str 中定义的新列“日期”。

dateSelect = "'2016-11-06'"

所以我添加了一个新的常量列

df['dates'] = dateSelect

但我得到的结果是

   product_id_x   product_id_y    count   dates
0   2727846          7872456         1  '2016-11-06'
1   29234            2932348         2  '2016-11-06'
2   29346            9137500         1  '2016-11-06'
3   29453            91365738        1  '2016-11-06'
4   2933666          91323494        1  '2016-11-06'

日期中的值用引号括起来。和

type(df['dates']) = str

但我希望它采用日期格式，因为我还要将此表存储在我的 mysql 数据库中。我希望类型是日期。

from sqlalchemy import create_engine
engine = create_engine('mysql+mysqldb://name:pwd@xxx.xx.xx.x/dbname', echo=False)
df.to_sql(name='tablename', con=engine, if_exists = 'append', index=False)

【问题讨论】：

标签： python python-2.7 python-3.x pandas

【解决方案1】：

我想你可以先用replace' by empty space 然后to_datetime:

dateSelect = pd.to_datetime("'2016-11-06'".replace("'",""))
print (dateSelect)
2016-11-06 00:00:00

print (type(dateSelect))
<class 'pandas.tslib.Timestamp'>

df['dates'] = pd.to_datetime("'2016-11-06'".replace("'",""))

print (df)
   product_id_x  product_id_y  count      dates
0       2727846       7872456      1 2016-11-06
1         29234       2932348      2 2016-11-06
2         29346       9137500      1 2016-11-06
3         29453      91365738      1 2016-11-06
4       2933666      91323494      1 2016-11-06

print (df.dtypes)
product_id_x             int64
product_id_y             int64
count                    int64
dates           datetime64[ns]
dtype: object

【讨论】：

是的，先生，在您回答前几秒钟我也尝试过，没有 .replace("'","") 也可以正常工作
是的，如果有双 "" 和 '' 一起，首先需要删除内部引号，然后它就完美了。或者只使用"2016-11-06" 或'2016-11-06' 之类的，则不需要replace。

【解决方案2】：

最直接的路线

df['dates'] = pd.Timestamp('2016-11-06')
df

   product_id_x  product_id_y  count      dates
0       2727846       7872456      1 2016-11-06
1         29234       2932348      2 2016-11-06
2         29346       9137500      1 2016-11-06
3         29453      91365738      1 2016-11-06
4       2933666      91323494      1 2016-11-06

【讨论】：

【解决方案3】：

啊！ @jezrael 最先到达那里...

 print timeit.timeit("""
import pandas as pd
import datetime as dt
import timeit
df = pd.read_csv('date_time_pandas.csv')
dateSelect_str = "2016-11-06"

# using standard datetime
dateSelect = dt.datetime.strptime(dateSelect_str,"%Y-%m-%d")
df['dates'] = dateSelect
#print(df['dates'])
""",number=100)


# Alternate method using pandas datetime
print timeit.timeit("""
import pandas as pd
import datetime as dt
import timeit
df = pd.read_csv('date_time_pandas.csv')
dateSelect_str = "2016-11-06"

dateSelect = pd.to_datetime(dateSelect_str, format='%Y-%m-%d', errors='ignore')
df['dates'] = dateSelect
#print df['dates']
""",number=100)

给出输出 -

0.228258825751
0.167258402887

平均而言。

结论在这种情况下使用pd_datetime效率更高

【讨论】：

【解决方案4】：

不要在里面放双引号，避免将其定义为字符串。

dateSelect = '2016-11-06'  
df['dates'] = dateSelect

【讨论】：