如何在Pandas DataFrame中将year_week转为day_month_year并解决月份报错？

你有一份日期以year_week格式存储的数据集，想要将其转换为day_month_year格式并设为DataFrame索引，尝试的代码报错bad month number 13; must be 1-12，问题出在日期解析逻辑错误，以下是修正方案：

修正后的代码 #

import pandas as pd

# 若你的year_week是"YYYY_XX"格式，先转为pandas可识别的"YYYY-WXX"格式
df["Date"] = df["year_week"].str.replace("_", "-W")
# 解析为datetime类型，weekday=0指定取该周的周一（0=周一，6=周日，可按需调整）
df["Date"] = pd.to_datetime(df["Date"], format="%Y-W%W", weekday=0)
# 若需要将日期显示为`day_month_year`格式的字符串，添加此行
# df["Date_formatted"] = df["Date"].dt.strftime("%d_%m_%Y")
# 设置Date列为索引
df.set_index('Date', inplace=True)
# 删除原year_week列
df.drop('year_week', inplace=True, axis=1)
df.head()

原代码的错误点 #

• 直接对Series调用split('-')无效，Series需用str.split()方法处理字符串
• pd.to_datetime未指定格式时会自动猜测，极易将year_week解析为错误日期，导致出现13月这类无效值
• dt.strptime不能直接作用于Series，解析日期应使用pd.to_datetime，格式化输出才用dt.strftime

内容的提问来源于stack exchange，提问作者Mert Çalış