python/pandas：将月份 int 转换为月份名称答案

【问题标题】：python/pandas: convert month int to month namepython/pandas：将月份 int 转换为月份名称
【发布时间】：2016-10-04 04:00:11
【问题描述】：

我发现的大部分信息都不在 python>pandas>dataframe 中，因此是这个问题。

我想将 1 到 12 之间的整数转换为缩写的月份名称。

我有一个看起来像这样的 df：

   client Month
1  sss    02
2  yyy    12
3  www    06

我希望 df 看起来像这样：

   client Month
1  sss    Feb
2  yyy    Dec
3  www    Jun

【问题讨论】：

标签： python date pandas dataframe monthcalendar

【解决方案1】：

您可以通过结合calendar.month_abbr 和df[col].apply() 有效地做到这一点

import calendar
df['Month'] = df['Month'].apply(lambda x: calendar.month_abbr[x])

【讨论】：

请注意，此解决方案类似于 Python 级循环中的 list.__getitem__，即它没有利用 Pandas 可用的矢量化功能。根据this answer，提取到字典然后映射效率更高。
当你有 pandas 自己的 month_name() 函数时，我认为这不是一个好主意。

【解决方案2】：

由于月份名称的缩写是其全名的前三个字母，我们可以先将Month列转换为datetime，然后使用dt.month_name()得到完整的月份名称，最后使用str.slice()方法获取前三个字母，全部使用 pandas 并且仅在一行代码中：

df['Month'] = pd.to_datetime(df['Month'], format='%m').dt.month_name().str.slice(stop=3)

df

  Month client
0   Feb sss
1   Dec yyy
2   Jun www

【讨论】：

【解决方案3】：

calendar 模块很有用，但calendar.month_abbr 类似于数组：它不能直接以矢量化方式使用。为了高效的映射，你可以构造一个字典，然后使用pd.Series.map：

import calendar
d = dict(enumerate(calendar.month_abbr))
df['Month'] = df['Month'].map(d)

性能基准测试显示约 130 倍的性能差异：

import calendar

d = dict(enumerate(calendar.month_abbr))
mapper = calendar.month_abbr.__getitem__

np.random.seed(0)
n = 10**5
df = pd.DataFrame({'A': np.random.randint(1, 13, n)})

%timeit df['A'].map(d)       # 7.29 ms per loop
%timeit df['A'].map(mapper)  # 946 ms per loop

【讨论】：

【解决方案4】：

您可以通过应用列轻松做到这一点。

import pandas as pd

df = pd.DataFrame({'client':['sss', 'yyy', 'www'], 'Month': ['02', '12', '06']})

look_up = {'01': 'Jan', '02': 'Feb', '03': 'Mar', '04': 'Apr', '05': 'May',
            '06': 'Jun', '07': 'Jul', '08': 'Aug', '09': 'Sep', '10': 'Oct', '11': 'Nov', '12': 'Dec'}

df['Month'] = df['Month'].apply(lambda x: look_up[x])
df

  Month client
0   Feb    sss
1   Dec    yyy
2   Jun    www

【讨论】：

【解决方案5】：

def mapper(month):
   return month.strftime('%b') 

df['Month'] = df['Month'].apply(mapper)

参考：

http://strftime.org/

【讨论】：

【解决方案6】：

一种方法是使用数据框中的apply 方法，但要做到这一点，您需要一张地图来转换月份。您可以使用函数/字典或 Python 自己的日期时间来做到这一点。

日期时间类似于：

def mapper(month):
    date = datetime.datetime(2000, month, 1)  # You need a dateobject with the proper month
    return date.strftime('%b')  # %b returns the months abbreviation, other options [here][1]

df['Month'].apply(mapper)

以类似的方式，您可以为自定义名称构建自己的地图。它看起来像这样：

months_map = {01: 'Jan', 02: 'Feb'}
def mapper(month):
    return months_map[month]

显然，您不需要显式定义此函数，可以直接在 apply 方法中使用lambda。

【讨论】：

【解决方案7】：

为此使用strptime 和lambda 函数：

from time import strptime
df['Month'] = df['Month'].apply(lambda x: strptime(x,'%b').tm_mon)

【讨论】：

【解决方案8】：

假设我们有一个这样的 DF，并且 Date 已经是 DateTime 格式：

df.head(3)


            value   
date        
2016-05-19  19736   
2016-05-26  18060   
2016-05-27  19997

然后我们可以像这样轻松提取月份编号和月份名称：

df['month_num'] = df.index.month
df['month'] = df.index.month_name()


            value   year    month_num  month
date                
2017-01-06  37353   2017    1          January
2019-01-06  94108   2019    1          January
2019-01-05  77897   2019    1          January
2019-01-04  94514   2019    1          January

【讨论】：

【解决方案9】：

使用日期时间对象方法

我很惊讶这个答案没有使用strftime的解决方案

注意，在使用strftime 方法之前，您需要有一个有效的日期时间对象，使用pd.to_datetime(df['date_column']) 将您的目标列转换为日期时间对象。

import pandas as pd 

dates = pd.date_range('01-Jan 2020','01-Jan 2021',freq='M')

df = pd.DataFrame({'dates' : dates})
df['month_name'] = df['dates'].dt.strftime('%b')

   dates month_name
0  2020-01-31        Jan
1  2020-02-29        Feb
2  2020-03-31        Mar
3  2020-04-30        Apr
4  2020-05-31        May
5  2020-06-30        Jun
6  2020-07-31        Jul
7  2020-08-31        Aug
8  2020-09-30        Sep
9  2020-10-31        Oct
10 2020-11-30        Nov
11 2020-12-31        Dec

另一种方法是使用dt.month_name() 对名称进行切片

df['month_name_str_slice'] = df['dates'].dt.month_name().str[:3]

        dates month_name month_name_str_slice
0  2020-01-31        Jan                  Jan
1  2020-02-29        Feb                  Feb
2  2020-03-31        Mar                  Mar
3  2020-04-30        Apr                  Apr
4  2020-05-31        May                  May
5  2020-06-30        Jun                  Jun
6  2020-07-31        Jul                  Jul
7  2020-08-31        Aug                  Aug
8  2020-09-30        Sep                  Sep
9  2020-10-31        Oct                  Oct
10 2020-11-30        Nov                  Nov
11 2020-12-31        Dec                  Dec

【讨论】：

【解决方案10】：

在大型数据集上测试了所有这些，我发现以下是最快的：

import calendar
def month_mapping():
    # I'm lazy so I have a stash of functions already written so
    # I don't have to write them out every time. This returns the
    # {1:'Jan'....12:'Dec'} dict in the laziest way...
    abbrevs = {}
    for month in range (1, 13):
        abbrevs[month] = calendar.month_abbr[month]
    return abbrevs

abbrevs = month_mapping()

df['Month Abbrev'} = df['Date Col'].dt.month.map(mapping)

【讨论】：

【解决方案11】：

您可以使用 Pandas month_name() 函数。示例：

>>> idx = pd.date_range(start='2018-01', freq='M', periods=3)
>>> idx
DatetimeIndex(['2018-01-31', '2018-02-28', '2018-03-31'],
                  dtype='datetime64[ns]', freq='M')
>>> idx.month_name()
Index(['January', 'February', 'March'], dtype='object')

更多详情请访问this link。

【讨论】：

【解决方案12】：

最好的方法是使用month_name()，正如
所评论的那样 Nurul Akter Towhid。

df['月份'] = df.Month.dt.month_name()

【讨论】：