如何將 pandas dataframe 列中的兩種不同日期格式轉換為相同格式？

Question

我在 pandas 列中有兩種不同的日期格式，例如 - DD-MM-YYYY和MM/DD/YYYY ，我想將它們轉換為相同的格式。

我嘗試使用代碼 -

data['SALE DATE'] = pd.to_datetime(data['SALE DATE']).dt.strftime('%m/%d/%Y')

但這會將日期轉換為DD/MM/YYYY和MM/DD/YYYY轉換為 output - data['SALE DATE']

我想要一個 python 解決方案來克服這個問題。 任何線索都會非常有幫助。

Answer 1

最直觀的解決方案是編寫自定義轉換 function，類似於：

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

然后將其作為相關列的轉換器傳遞：

df = pd.read_csv('Input.csv', converters={'Date': myDateConv})

我准備了一個 CSV 文件，它使用read_csv讀取，沒有任何自定義轉換器，給出了原始內容和object類型的兩列：

         Date Input format
0  03-05-2020   DD-MM-YYYY
1  05/07/2020   MM/DD/YYYY

但是用上面的轉換器讀取相同的文件給出了：

        Date Input format
0 2020-05-03   DD-MM-YYYY
1 2020-05-07   MM/DD/YYYY

使用datetime64[ns]類型的Date列和從 5 月開始的兩個日期，正如預期的那樣。

或者，如果您有來自其他來源的 DataFrame 並且想要轉換此列，請運行：

df.Date = df.Date.apply(myDateConv)

Answer 2

如果您使用的是 pandas 版本 1.xx，您可以使用以下解決方案：

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")

這給出了以下結果：

Index(['08/11/2018', '03/05/2016', '08/30/2017', '09/21/2018'], dtype='object')

...這里的重要論點是dayfirst=True 。

有關更多信息，請參閱pd.to_datetime文檔。