![](/img/trans.png)
[英]How to convert two different date formats from a pandas dataframe column into same format?
[英]How to convert column values present in date/custom/general formats in a PySpark/Pandas dataframe into a Date Format?
我有一个数据框,其中有一列包含多种格式的日期值(在 Excel 中显示为自定义/常规/日期),就像您在下面的“之前”列中看到的一样:
它们最初都只是日期值,但在我得到的输入 CSV 文件中的某个地方被修改为不同的格式。
我的目标是将值转换为您可以在“之后”列中看到的“DD/MM/YYYY”格式。
我正在将此作为 Pandas/Spark 数据框阅读,因为必须对其进行此更改的列中有数千个此类值。
我尝试执行以下操作,但没有得到我需要的正确“DD/MM/YYYY”格式。 此外,一些值也保持不变:
df['After'] = pd.to_datetime(df['Before'], format='%d-%m-%y, errors='coerce')
任何人都可以帮忙解决这个问题吗?
干杯!
这是我的尝试:
df = pd.read_excel('test.xls')
df['ADATE'] = pd.to_datetime(pd.to_numeric(df['A'],errors='coerce'), unit='D', origin='1899-12-30').fillna(pd.to_datetime(df['A'],errors='coerce'))
print(df)
输出(如何读取最后一行???)
A ADATE
0 43746.39028 2019-10-08 09:22:00.192
1 43735 2019-09-27 00:00:00.000
2 1/1/2021 0:00 2021-01-01 00:00:00.000
3 50:11.0 NaT
编辑
使用 ".dt.strftime('%d/%m/%Y')" 使用所需的格式,记住这会改变类型。
df['ADATE'] = pd.to_datetime(pd.to_numeric(df['A'],errors='coerce'), unit='D', origin='1899-12-30').fillna(pd.to_datetime(df['A'],errors='coerce')).dt.strftime('%d/%m/%Y')
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.