Pandas中如何将俄文日月字符串转换为带正确年份的日期格式

放弃英译中转的思路，直接基于原始俄文月份做映射，结合数据倒序排列的特征自动匹配年份，全程无额外依赖，准确率可控。

实现步骤 #

• 构建俄文月份映射字典
  原始数据中俄文月份为第二格固定表述，直接建立和数字月份的一一对应关系，完全规避翻译格式混乱的问题，映射关系如下：

  ru_month_map = {
      'января': 1,
      'февраля': 2,
      'марта': 3,
      'апреля': 4,
      'мая': 5,
      'июня': 6,
      'июля': 7,
      'августа': 8,
      'сентября': 9,
      'октября': 10,
      'ноября': 11,
      'декабря': 12
  }
  

• 拆分原始日期字段
  原始date字段固定为[日] [俄文月份]的空格分隔格式，直接拆分提取日、月信息，生成可比较的月日元组，不需要做额外的格式清洗。
• 自动匹配年份
  数据按时间倒序排列（最新记录在首行，最早2021年1月的记录在末行），从末行开始逐行向上遍历：
  1. 初始年份设为2021，赋值给最后一行
  2. 向上逐行对比当前记录和上一条（时间更早的相邻记录）的月日：如果当前月日小于上一条月日，说明出现跨年，年份+1
  3. 遍历完成后所有记录的年份自动匹配完成，支持跨多年的数据集自动识别
• 格式转换与数据清理
  拼接年、月、日生成YYYY-MM-DD标准格式日期，同时清理接种人数字段中的千分位空格，转为可计算的数值类型。

可直接运行的实现代码 #

基于pandas实现，适配你给出的数据集结构：

import pandas as pd

# 俄文月份映射
ru_month_map = {
    'января': 1, 'февраля': 2, 'марта': 3, 'апреля': 4, 'мая': 5, 'июня': 6,
    'июля': 7, 'августа': 8, 'сентября': 9, 'октября': 10, 'ноября': 11, 'декабря': 12
}

# 读取本地数据集，替换为你的文件路径
df = pd.read_csv('vaccine_data.csv')

# 拆分日期字段
df[['day', 'month_ru']] = df['date'].str.split(' ', expand=True)
df['day'] = df['day'].astype(int)
df['month'] = df['month_ru'].map(ru_month_map)
df['md_tuple'] = df.apply(lambda x: (x['month'], x['day']), axis=1)

# 从最旧记录开始逐行匹配年份
df = df.reset_index(drop=True)
current_year = 2021
year_list = [0]*len(df)
year_list[-1] = current_year
prev_md = df.loc[len(df)-1, 'md_tuple']

for i in range(len(df)-2, -1, -1):
    current_md = df.loc[i, 'md_tuple']
    if current_md < prev_md:
        current_year += 1
    year_list[i] = current_year
    prev_md = current_md

df['year'] = year_list
# 生成标准格式日期
df['date'] = pd.to_datetime(df[['year', 'month', 'day']]).dt.strftime('%Y-%m-%d')

# 清理中间列，处理数值字段的千分位空格
df = df.drop(columns=['day', 'month_ru', 'month', 'md_tuple', 'year'])
for col in ['vaccinated person', 'fully vaccinated person']:
    df[col] = df[col].astype(str).str.replace(' ', '').astype('Int64')

# 打印首尾行验证结果
print(df.head())
print(df.tail())

如果后续数据更新新增了2023年及以后的记录，不需要修改代码逻辑，遍历过程会自动识别跨年点完成年份匹配。

内容的提问来源于stack exchange，提问作者kostya ivanov