DataFrame中ddmmyyyy格式日期列拆分为月、年列的规则实现需求

我来帮你搞定这个日期拆分的需求！针对你给出的规则，我用pandas写了一套简洁且可靠的解决方案，完美覆盖所有边界情况（比如12月下旬的年份进位）：

步骤说明 #

1. 转换日期格式：先把Col1的字符串日期转为pandas的datetime类型，这样能轻松处理日期运算和月份进位。
2. 调整日期：根据“日≤15用当前月，日>15用下月”的规则，对日期进行偏移——日大于15的日期直接加1个月，pandas会自动处理12月转次年1月的年份变化。
3. 提取目标列：从调整后的日期中提取月份缩写（如Feb）和年份，分别存入Col2和Col3。

完整代码示例 #

import pandas as pd

# 创建示例DataFrame
df = pd.DataFrame({
    'Col1': ['13-02-2017', '22-01-2017', '27-12-2017']
})

# 1. 将Col1转为datetime类型，指定格式为dd-mm-yyyy
df['Col1'] = pd.to_datetime(df['Col1'], format='%d-%m-%Y')

# 2. 计算调整后的日期：日>15则加1个月，否则保持原日期
df['adjusted_date'] = df.apply(
    lambda row: row['Col1'] + pd.DateOffset(months=1) if row['Col1'].day > 15 else row['Col1'],
    axis=1
)

# 3. 提取月份缩写和年份到目标列
df['Col2'] = df['adjusted_date'].dt.strftime('%b')
df['Col3'] = df['adjusted_date'].dt.year

# 可选：删除中间辅助列，保留需要的列
df = df[['Col1', 'Col2', 'Col3']]

print(df)

输出结果 #

Col1 Col2  Col3
0 2017-02-13  Feb  2017
1 2017-01-22  Feb  2017
2 2017-12-27  Jan  2018

关键细节解释 #

• 使用pd.to_datetime并指定format='%d-%m-%Y'，确保字符串日期被正确解析，避免因系统 locale 不同导致的解析错误。
• pd.DateOffset(months=1)会智能处理月份进位：比如2017-12-27加1个月后自动变成2018-01-27，完全符合你的规则。
• strftime('%b')提取的是英文月份缩写（如Jan、Feb），如果需要其他语言的月份格式，可以调整参数（比如中文需要额外设置locale）。

内容的提问来源于stack exchange，提问作者Arun