我在pandas列中有两种不同的日期格式,例如-DD-MM-YYYY
和MM/DD/YYYY
,我想将它们转换为相同的格式。
我尝试使用代码-
data['SALE DATE'] = pd.to_datetime(data['SALE DATE']).dt.strftime('%m/%d/%Y')
但是这会将日期转换成DD/MM/YYYY
和MM/DD/YYYY
进入输出-数据['SALE DATE']
我想要一个python解决方案来克服这个问题。任何线索都将非常有帮助。
最直观的解决方案是编写自定义转换功能,有点像:
def myDateConv(tt):
sep = tt[2]
if sep == '-':
return pd.to_datetime(tt, format='%d-%m-%Y')
elif sep == '/':
return pd.to_datetime(tt, format='%m/%d/%Y')
else:
return tt
然后将其作为converter传递给所讨论的列:
df = pd.read_csv('Input.csv', converters={'Date': myDateConv})
我准备了一个CSV文件,该文件使用read_csv进行读取,没有任何内容自定义转换器提供了原始内容和对象类型:
Date Input format
0 03-05-2020 DD-MM-YYYY
1 05/07/2020 MM/DD/YYYY
但是使用上述转换器读取相同的文件得到:
Date Input format
0 2020-05-03 DD-MM-YYYY
1 2020-05-07 MM/DD/YYYY
具有datetime64 [ns]类型的[[带有日期]列,并且两个日期都来自可以,按预期。
如果使用的是熊猫1+版本,则可以使用以下解决方案:
pd.to_datetime(["11-08-2018", "05-03-2016", "08/30/2017", "09/21/2018"], infer_datetime_format=True, dayfirst=True).strftime("%m/%d/%Y")
这将产生以下结果:
Index(['08/11/2018', '03/05/2016', '08/30/2017', '09/21/2018'], dtype='object')
这里重要的论点是dayfirst = True