从Google Sheet提取日期转整数适配QuantLib的问题求解

• 从Google Sheet提取日期数据存入DataFrame，将每个日期的日、月、年分别转换为整数格式，供QuantLib库调用
• 若JSON格式实现更优，也可直接从Google Sheet获取日期后输出JSON，要求每个日期字段（日、月、年）均为整数格式

适配QuantLib的Date类入参要求，该类需要传入整数格式的日、月、年参数，官方示例代码如下：

# 该代码要求日、月、年参数均为整数格式
from QuantLib import *
valuation_date = Date(22, 8, 2018)
print(valuation_date+2)

上述代码输出结果：

August 24th, 2018

现有代码如下：

Date_df = df['Date line 6']

date_lst = []
month_lst = []
year_lst = []

for i in Date_df:
    date_lst.append(int(i[0:2])) 
    month_lst.append(int(i[3:4]))
    year_lst.append(int(i[-4:]))

存在问题：固定切片的写法无法适配个位数日期/月份的场景，比如日期为个位数时，i[0:2]会切到分隔符/，无法转换为整数触发报错。

DataFrame格式输出方案 #

直接用pandas内置的日期处理能力实现，无需手动切片，自动适配各种格式的日期字符串：

import pandas as pd

# 把日期列转为pandas datetime格式，自动适配/分隔的日期格式
# 如果你的日期是「日/月/年」格式就保留dayfirst=True，是「月/日/年」格式则删除该参数
df['Date line 6'] = pd.to_datetime(df['Date line 6'], dayfirst=True)

# 直接提取整数格式的日、月、年，生成新列
df['day'] = df['Date line 6'].dt.day.astype(int)
df['month'] = df['Date line 6'].dt.month.astype(int)
df['year'] = df['Date line 6'].dt.year.astype(int)

# 如果需要提取为单独的列表
date_lst = df['day'].tolist()
month_lst = df['month'].tolist()
year_lst = df['year'].tolist()

JSON格式输出方案 #

如果需要直接输出JSON供后续调用，可在上述代码基础上新增如下逻辑：

import json

# 生成符合要求的JSON数组
date_json = df[['day', 'month', 'year']].to_json(orient='records')
# 如需本地保存可执行以下代码
with open('dates_for_quantlib.json', 'w') as f:
    json.dump(json.loads(date_json), f, indent=2)

输出的JSON格式示例：

[
  {
    "day": 22,
    "month": 8,
    "year": 2018
  },
  {
    "day": 8,
    "month": 9,
    "year": 2023
  }
]

直接取JSON对应字段的整数值传入QuantLib的Date类即可正常使用。

内容的提问来源于stack exchange，提问作者Qureshi Owais