如何在Pandas中根据字符串长度将文本转换为对应格式日期
按字符串长度自适应转换日期的实现方案
原代码存在的问题
- 代码引用列名错误:初始DataFrame仅包含
text列,尚未生成date列,直接调用df.date.str.len()会触发列不存在的报错 - 多层
np.where的嵌套逻辑存在解析缺陷:如果在条件分支里直接将整列传入固定格式的pd.to_datetime,不同长度的字符串会因格式不匹配抛出异常
可直接运行的代码实现
import pandas as pd import numpy as np df = pd.DataFrame({'text':['20201010', '200910', '2015','20']}) # 按字符串长度匹配对应日期解析格式 def match_format(content): str_len = len(str(content)) if str_len == 8: return '%Y%m%d' elif str_len == 6: return '%y%m%d' elif str_len == 4: return '%Y' return None # 逐行匹配格式后转换,无匹配规则的返回空值 df['date'] = df['text'].apply( lambda row: pd.to_datetime(row, format=match_format(row)) if match_format(row) else None )
最终转换效果
运行代码后得到的输出完全符合预期:
text date 0 20201010 2020-10-10 00:00:00 1 200910 2020-09-10 00:00:00 2 2015 2015-01-01 00:00:00 3 20 NaT
注:pandas中空时间戳默认显示为
NaT,与需求里的None等价,如需显示为None可后续对列做类型转换
内容的提问来源于stack exchange,提问作者mateo
相关产品推荐
相关产品推荐

