如何根据数据类型交换列？

Question

样本数据如下（数据是假的，不是真实数据）：

钥匙	死亡指示器	死亡日期	确切的死亡日期	死亡原因
00	活着
02	死亡之家	是	2011年9月25日	N00
03	活着
09	死亡之家	是	J189	2015年8月28日
07	非居士死亡	2018年6月12日	是	C20

从表中可以看到，同一列内的数据类型并不一致。

Date Death

应采用日期格式；

Exact date of death

只能包含

Y

、

N

或空白；

Death Cause

应为字符串（即 ICD 代码）。

我尝试执行一些基本的数据清理：

Python：

import pandas as pd

death_y_n = death['Date Death'][pd.to_datetime(death['Date Death'], \
                                                                 format='%d/%m/%Y',
                                                                 errors = 'coerce')\
                                                                 .isnull()]

death_disease_case = death['Exact date of death'][~((death['Exact date of death'].isin(['Y','N']))\
                                                      |(death['Exact date of death'].isnull()))]

death['Death Cause'][~pd.to_datetime(\
                                      death['Death Cause'], \
                                      format='%d/%m/%Y', errors = 'coerce')\
                                      .isnull()] = \
                                      death_disease_case

death['Date Death'][pd.to_datetime(\
                                      death['Date Death'], \
                                      format='%d/%m/%Y', errors = 'coerce')\
                                      .isnull()] = \
                                      death_to_date[pd.to_datetime(\
                                                                   death['Date Death'], \
                                                                   format='%d/%m/%Y', errors = 'coerce')\
                                                                   .isnull()]

death['Exact date of death'][~death['Exact date of death'].isin(['Y','N'])] = \
                                  death_y_n[~death['Exact date of death'].isin(['Y','N'])]

death['Death Cause'][pd.to_datetime(\
                                      death['Date Death'], \
                                      format='%d/%m/%Y', errors = 'coerce')\
                                      .isnull()] = \
                                       death_y_n[pd.to_datetime(\
                                      death['Date Death'], \
                                      format='mixed', errors = 'coerce')\
                                      .isnull()]

R：

library(tidyverse)
library(magrittr)
library(anytime)
library(Hmisc)

death_to_date = anytime(death$`Death Cause`) %>% as.character

death_y_n = death$`Date Death`[is.na(as_date(death$`Date Death`))]

death_disease_case = death$`Exact date of death`[death$`Exact date of death` %nin% c('Y','N')]

death$`Death Cause`[!is.na(as_date(death$`Death Cause` ))] = death_disease_case[!is.na(as_date(death$`Death Cause` ))]

death$`Date of Registered Death`[is.na(as_date(death$`Date Death`))] = death_to_date[is.na(as_date(death$`Date Death`))]

death$`Exact date of death`[death$`Exact date of death` %nin% c('Y','N')] = death_y_n[death$`Exact date of death` %nin% c('Y','N')]

但是由于日期格式较多，部分日期格式无法解析成功。有没有一种方法可以在不使用

to_datetime()

/

anytime()

的情况下交换列？

我是Python新手，如果有任何错误，请指出！谢谢你。

Answer 1

日期很棘手，但您可能想查看 lubridate 包。 R 代码会抛出什么错误？如果您遇到错误，我建议您将日期作为字符列开始，获取同一列中的所有数据，然后解析 NA 值。一旦所有内容都采用正确的格式，然后将列强制为日期格式。由于字符列将接受您的更改，因此您将能够执行所需的任何清理操作。第一步强制转换为日期格式的问题在于，通常这些通用转换函数（如

as.date()

）非常挑剔。如果任何一个值的格式错误，整个过程就会失败并抛出错误。因此，如果您陷入其中，请尝试在最后一步中使用 anytime 进行转换，看看是否没有更好的结果。