Python Pandas按月份筛选多列日期并生成对应列的技术求助

我来帮你搞定这个多列日期分类的需求！你之前的代码只能处理单列，还碰到了日期格式错乱的问题，咱们一步步来解决：

第一步：统一日期格式（解决格式错乱问题） #

首先得把所有日期列转换成标准的datetime格式，这样才能准确识别月份。用pandas的to_datetime方法，还能自动处理格式不统一的情况，把无效的日期转成NaT（空日期值）：

import pandas as pd

# 读取你的输入文件（根据实际文件格式调整，比如Excel就用read_excel）
sf = pd.read_csv('your_input_file.csv')

# 筛选所有日期列：如果你的日期列是特定范围（比如第2到31列），可以改成sf.columns[1:31]
date_cols = sf.columns

# 遍历每一列，转换为标准datetime格式
for col in date_cols:
    sf[col] = pd.to_datetime(sf[col], errors='coerce')

第二步：创建目标新列并填充对应月份日期 #

接下来我们创建May和June两个新列，然后遍历所有日期列，把对应月份的日期填充进去。这里分两种场景：

场景1：每行只保留一个5月/6月日期（优先取第一个遇到的） #

如果你的数据每行最多只有一个5月日期和一个6月日期，用这种方式更高效：

# 初始化新列为空日期值
sf['May'] = pd.NaT
sf['June'] = pd.NaT

# 遍历所有日期列，填充对应月份的日期
for col in date_cols:
    # 填充5月日期：只填充May列还为空的行
    sf.loc[(sf[col].dt.month == 5) & sf['May'].isna(), 'May'] = sf[col]
    # 填充6月日期：只填充June列还为空的行
    sf.loc[(sf[col].dt.month == 6) & sf['June'].isna(), 'June'] = sf[col]

场景2：收集每行所有5月/6月日期（用逗号分隔） #

如果一行里有多个5月或6月日期，想要全部收集起来，用apply逐行处理：

# 收集所有5月日期，转成字符串用逗号分隔
sf['May'] = sf[date_cols].apply(
    lambda row: ', '.join(row[row.dt.month == 5].dt.strftime('%Y-%m-%d')),
    axis=1
)
# 收集所有6月日期
sf['June'] = sf[date_cols].apply(
    lambda row: ', '.join(row[row.dt.month == 6].dt.strftime('%Y-%m-%d')),
    axis=1
)

# 把空字符串转为空值（可选）
sf['May'] = sf['May'].replace('', pd.NA)
sf['June'] = sf['June'].replace('', pd.NA)

第三步：格式化日期显示（可选） #

如果需要把日期显示成特定格式（比如YYYY-MM-DD），可以用dt.strftime：

# 仅当场景1时可用（场景2已经是字符串了）
sf['May'] = sf['May'].dt.strftime('%Y-%m-%d')
sf['June'] = sf['June'].dt.strftime('%Y-%m-%d')

第四步：保存结果 #

最后把处理好的数据保存成输出文件：

# 保存为csv，要是Excel就用to_excel
sf.to_csv('your_output_file.csv', index=False)

关键改进点 #

• 不再局限于单列：遍历所有日期列，一次性处理30多列数据
• 解决格式错乱：先统一转换为datetime格式，避免因格式不统一导致的筛选错误
• 灵活适配需求：两种场景覆盖不同的业务需求

内容的提问来源于stack exchange，提问作者Pigel J