合并不同行日期时间：处理含混合格式与NA的Start.Date列

我来帮你搞定这个Start.Date列的日期时间补全需求！你的数据里存在日期、时间拆分在不同行，还有NA和其他杂项，需要把对应日期和时间合并成完整的datetime，缺失的行沿用前一行的完整日期时间，下面我用两种常用工具给出解决方案：

方案一：用R语言（tidyverse系列包） #

首先我们先模拟你的原始数据，然后一步步处理：

步骤1：加载依赖包并创建模拟数据 #

library(tidyverse)
library(lubridate)

# 模拟你的原始数据结构
df <- tibble(
  Start.Date = c("11/6/2017", "07:00", "3/22/2018", "06:38", "11/6/2017", "c", "07:00", "<NA>", "<NA>", "<NA>", "<NA>", "11/5/2017", "07:00", "3/21/2018", "06:38"),
  Value = c("a", "b", "c", "d", "e", "f", "g", "h", "i", "j", "k", "l", "m", "n", "o")
)

步骤2：处理数据补全日期时间 #

df_processed <- df %>%
  # 1. 标记并提取日期、时间到临时列
  mutate(
    temp_date = ifelse(str_detect(Start.Date, "/"), Start.Date, NA),
    temp_time = ifelse(str_detect(Start.Date, ":"), Start.Date, NA)
  ) %>%
  # 2. 前向填充日期，让每个时间行都匹配最近的日期
  fill(temp_date, .direction = "down") %>%
  # 3. 合并日期和时间为完整的datetime对象
  mutate(
    Start.Date = ifelse(!is.na(temp_time), 
                       mdy_hm(paste(temp_date, temp_time)),
                       NA)
  ) %>%
  # 4. 前向填充完整的datetime，补全后续的NA行
  fill(Start.Date, .direction = "down") %>%
  # 5. 清理临时列
  select(-temp_date, -temp_time)

# 查看处理后的结果
print(df_processed)

方案二：用Python（Pandas库） #

同样先模拟数据，再进行处理：

步骤1：导入库并创建模拟数据 #

import pandas as pd

# 模拟原始数据
data = {
    'Start.Date': ["11/6/2017", "07:00", "3/22/2018", "06:38", "11/6/2017", "c", "07:00", None, None, None, None, "11/5/2017", "07:00", "3/21/2018", "06:38"],
    'Value': ["a", "b", "c", "d", "e", "f", "g", "h", "i", "j", "k", "l", "m", "n", "o"]
}
df = pd.DataFrame(data)

步骤2：处理数据补全日期时间 #

# 1. 提取日期和时间到临时列
df['temp_date'] = df['Start.Date'].where(df['Start.Date'].str.contains('/', na=False))
df['temp_time'] = df['Start.Date'].where(df['Start.Date'].str.contains(':', na=False))

# 2. 前向填充日期，确保每个时间行都有对应的日期
df['temp_date'] = df['temp_date'].ffill()

# 3. 合并日期和时间为datetime格式
df['Start.Date'] = pd.to_datetime(df['temp_date'] + ' ' + df['temp_time'], format='%m/%d/%Y %H:%M', errors='coerce')

# 4. 前向填充完整的datetime，补全NA行
df['Start.Date'] = df['Start.Date'].ffill()

# 5. 删除临时列
df = df.drop(['temp_date', 'temp_time'], axis=1)

# 查看结果
print(df)

两种方案最终都会得到你需要的格式：每一行的Start.Date都是完整的日期时间，缺失的行自动沿用前一行的有效日期时间。

内容的提问来源于stack exchange，提问作者Tze