使用 numPy datetime64 处理 pandas Dataframe 列中的日期的异常答案

【问题标题】：Anomaly using numPy datetime64 to work with dates in a pandas Dataframe column使用 numPy datetime64 处理 pandas Dataframe 列中的日期的异常
【发布时间】：2019-05-15 19:28:31
【问题描述】：

对于 pandas DataFrame 中的数据，无法使用 datetime64 将“YYYY-MM”字符串转换为 YYYY-MM 日期时间。

np.datetime64 用于将 'YYYY-MM' 的日期字符串存储在标量或数组中时转换为日期时间，但通过 DateFrame 访问相同数据时则不行。

我想要做的是将列日期（格式：YYYY-MM）转换为日期时间数据（添加或不添加另一列）。

csv 文件数据：

month, volume
2019-01, 100
2019-02, 110

示例代码：

import pandas as pd
import numpy as np

df=pd.read_csv (r'file location')
df["date"]=df["month"].apply(np.datetime64)

# Input (month): 2013-01
# Expected output (date): 2013-01
# Actual output (date): 2013-01-01

因此，datetime64 将 YYYY-MM 更改为 YYYY_MM-01 （另外，YYYY 被转换为 YYYY-01-01）

【问题讨论】：

你想对你做什么date 专栏。这就是 pandas 表示日期时间的方式
我要做的就是从 csv（或 excel）文件中导入一个包含月度数据的文件。因此，2019-01, 100 {first row} 将是 2019 年 1 月的月度交易量。为了执行进一步的操作，我认为最好在日期时间中有日期。 pandas 中日期（每月、每年）的最佳做法是什么？

标签： pandas numpy python-3.7 datetime64

【解决方案1】：

也许您正在寻找 pd.Period：

In [11]: df.date.apply(pd.Period, freq='M')
Out[11]:
0   2019-01
1   2019-02
Name: date, dtype: object

类似，但没有 apply：

In [12]: pd.to_datetime(df.date).dt.to_period(freq='M')
Out[12]:
0   2019-01
1   2019-02
Name: date, dtype: object

【讨论】：

谢谢。我现在明白我需要将我的数据转换为熊猫日期期间对象。我要使用 datetime 而不是 datetime64 吗？我仍然无法将我的文件数据 (YYYY-MM) 转换为我可以执行操作的时间段对象，例如将日期递增 x 个月等。
@max 我认为这取决于你在做什么，通常 datetime64 就足够了。