Python pandas 为周和年以及月和年创建日期时间

Question

我有一个 pandas dataframe 有：分支，年，月，周，分配，销量

图片：

我试图在我的 plotly 仪表板和 Month.Year 和 Week.Year 上显示多年

就像在这张照片上，我在 Xaxis 上用 Year Month 显示两年：

在这张图片上，您可以看到今年是按照 2018-2019 年的时间线排序的。

我的问题是我试图创建基于日期时间和 week.year = (52.2018) 和 month.year = (12.2019) 但我无法创建像 week.year 或 month.year 这样的日期时间我从这段代码中得到：

dff['monthYear'] = pd.to_datetime(dff.Monat.astype(str) + '-' + dff.Jahr.astype(str), format='%m-%y')

这个错误：

文件“C:\ProgramData\Anaconda3\lib\site-packages\pandas\core\tools\datetimes.py”，第 456 行，在 _convert_listlike_datetimes 值中，tz = conversion.datetime_to_datetime64(arg)

文件“pandas_libs\tslibs\conversion.pyx”，第 350 行，在 pandas._libs.tslibs.conversion.datetime_to_datetime64

TypeError：无法识别的值类型：<class 'str'>

在处理上述异常的过程中，又出现了一个异常：

回溯（最近一次通话最后）：

文件“C:\Users\User\Desktop\DashProjekt\Jonen\ProjektBA\MultiYeartest.py”，第 24 行，在 dff['monthYear'] = pd.to_datetime(dff.Monat.astype(str) + '-' + dff.Jahr.astype(str), 格式='%m-%y')

文件“C:\ProgramData\Anaconda3\lib\site-packages\pandas\core\tools\datetimes.py”，第 801 行，在 to_datetime cache_array = _maybe_cache(arg, format, cache, convert_listlike)

文件“C:\ProgramData\Anaconda3\lib\site-packages\pandas\core\tools\datetimes.py”，第 178 行，在 _maybe_cache cache_dates = convert_listlike(unique_dates, format)

文件“C:\ProgramData\Anaconda3\lib\site-packages\pandas\core\tools\datetimes.py”，第 460 行，在 _convert_listlike_datetimes raise e

文件“C:\ProgramData\Anaconda3\lib\site-packages\pandas\core\tools\datetimes.py”，第 423 行，在 _convert_listlike_datetimes 结果中，timezones = array_strptime(

文件“pandas_libs\tslibs\strptime.pyx”，第 150 行，在 pandas._libs.tslibs.strptime.array_strptime

ValueError：未转换的数据仍然存在：20

先感谢您。

问候小学生

Answer 1

1. 用'-'连接成字符串
2. 转换为日期时间
3. 重新格式化 plotly 中的日期时间

df.head()
###
   Year  Month  Sales Volume
0  2020      1    773.956049
1  2020      2    438.878440
2  2020      3    858.597920
3  2020      4    697.368029
4  2020      5     94.177348


df['ym'] = df['Year'].astype(str) + '-' + df['Month'].astype(str)
df['ym'] = pd.to_datetime(df['ym'], format='%Y-%m')

fig = px.bar(df, x='ym', y='Sales Volume', color=df['Year'].astype(str))
fig.update_xaxes(tickformat='%Y_%m', tickangle=45)
fig.show()