如何将不同日期格式的字符串转换为python中的单一日期格式？

Question

我有一些日期是26-07-10，而其他日期是4/8/2010，是csv中的字符串类型。 我希望它们采用单一格式，例如4/8/2010，以便我可以每年对其进行解析和分组。 python或pandas中有功能可以帮助我吗？

Answer 1

您可以分析利用这些日期的形式parse_dates的PARAM read_csv注但是，对于模棱两可的形式，如果你用了第一天混一个月第一形式也可能会失败，例如：

In [7]:
t="""date
26-07-10
4/8/2010"""
df = pd.read_csv(io.StringIO(t), parse_dates=[0])
df

Out[7]:
        date
0 2010-07-26
1 2010-04-08

您可以使用dt.strftime通过更改字符串格式来更改显示的格式：

In [10]:
df['date'].dt.strftime('%d/%m/%Y')

Out[10]:
0    26/07/2010
1    08/04/2010
Name: date, dtype: object

确实最好将列保留为datetime ，然后可以按年份分组：

In [11]:
t="""date,val
26-07-10,23
4/8/2010,5567"""
df = pd.read_csv(io.StringIO(t), parse_dates=[0])
df

Out[11]:
        date   val
0 2010-07-26    23
1 2010-04-08  5567

In [12]:    
df.groupby(df['date'].dt.year).mean()

Out[12]:
       val
date      
2010  2795

Answer 2

您可以尝试使用pd.read_csv()提到的pd.read_csv() parse-date参数。或者，您可以将它们以标准格式转换为标准格式，例如datetime.date ，如下所示：

import io
import datetime
t=u"""date
26-07-10
4/8/2010"""
df = pd.read_csv(io.StringIO(t), parse_dates=[0])
df.date.astype(datetime.date)
df

出：

    date
0   2010-07-26  
1   2010-04-08