从Pandas Datetime列中单独提取月份和年份

Question

我有一个数据框，叫做 df，里面有以下一列：

     ArrivalDate
936   2012-12-31
938   2012-12-29
965   2012-12-31
966   2012-12-31
967   2012-12-31
968   2012-12-31
969   2012-12-31
970   2012-12-29
971   2012-12-31
972   2012-12-29
973   2012-12-29

这一列的元素是 pandas.tslib.Timestamp 类型。我想提取出年份和月份。

我尝试过的方法是：

df['ArrivalDate'].resample('M', how = 'mean')

但是出现了以下错误：

Only valid with DatetimeIndex or PeriodIndex 

然后我又试了：

df['ArrivalDate'].apply(lambda(x):x[:-2])

结果又出现了以下错误：

'Timestamp' object has no attribute '__getitem__' 

我现在的解决方案是：

df.index = df['ArrivalDate']

接着，我可以利用索引对另一列进行重采样。

不过我还是想要一个方法来重新配置整列数据。有没有什么好主意？

Answer 1

单行操作：添加一个包含'年-月'对的列：

('pd.to_datetime' 首先将列的数据类型转换为日期时间，然后再进行操作)

df['yyyy-mm'] = pd.to_datetime(df['ArrivalDate']).dt.strftime('%Y-%m')

如果你想额外添加一个'年'或'月'的列，可以这样做：

df['yyyy'] = pd.to_datetime(df['ArrivalDate']).dt.strftime('%Y')
df['mm'] = pd.to_datetime(df['ArrivalDate']).dt.strftime('%m')

Answer 2

如果你想要得到独特的“月份-年份”组合，使用apply这个方法非常简单好用。

df['mnth_yr'] = df['date_column'].apply(lambda x: x.strftime('%B-%Y')) 

这样可以把“月份-年份”放在同一列里。

别忘了在此之前先把格式改成日期时间，我一般都会忘记这一步。

df['date_column'] = pd.to_datetime(df['date_column'])

Answer 3

你可以直接访问 year（年份）和 month（月份）这两个属性，或者请求一个 datetime.datetime 对象：

In [15]: t = pandas.tslib.Timestamp.now()

In [16]: t
Out[16]: Timestamp('2014-08-05 14:49:39.643701', tz=None)

In [17]: t.to_pydatetime() #datetime method is deprecated
Out[17]: datetime.datetime(2014, 8, 5, 14, 49, 39, 643701)

In [18]: t.day
Out[18]: 5

In [19]: t.month
Out[19]: 8

In [20]: t.year
Out[20]: 2014

将年份和月份结合起来的一种方法是把它们编码成一个整数，比如：201408 代表2014年8月。你可以在整列数据中这样做：

df['YearMonth'] = df['ArrivalDate'].map(lambda x: 100*x.year + x.month)

或者有很多其他的变体。

不过，我个人不太喜欢这样做，因为这样会让后面对日期的对齐和计算变得很麻烦，尤其是对于那些没有遵循这个约定的人来说，理解你的代码或数据会更加困难。更好的方法是选择一个具体的日期约定，比如选择一个月的最后一个非美国假日的工作日，或者选择一个月的第一天等等，然后把数据保留在日期/时间的格式中，使用你选择的日期约定。

calendar 模块很有用，可以用来获取某些特定日期的数值，比如最后一个工作日。然后你可以这样做：

import calendar
import datetime
df['AdjustedDateToEndOfMonth'] = df['ArrivalDate'].map(
    lambda x: datetime.datetime(
        x.year,
        x.month,
        max(calendar.monthcalendar(x.year, x.month)[-1][:5])
    )
)

如果你只是想把日期时间列格式化成某种字符串表示形式，你可以使用 strftime 函数，这个函数来自 datetime.datetime 类，可以这样使用：

In [5]: df
Out[5]: 
            date_time
0 2014-10-17 22:00:03

In [6]: df.date_time
Out[6]: 
0   2014-10-17 22:00:03
Name: date_time, dtype: datetime64[ns]

In [7]: df.date_time.map(lambda x: x.strftime('%Y-%m-%d'))
Out[7]: 
0    2014-10-17
Name: date_time, dtype: object

Answer 4

df['date_column'] 这一列的数据必须是日期时间格式。

df['month_year'] = df['date_column'].dt.to_period('M')

你还可以用 D 表示天，2M 表示两个月等等，来设置不同的采样间隔。如果你有带时间戳的时间序列数据，可以选择更细的采样间隔，比如 45Min 表示45分钟，15Min 表示15分钟采样等等。

Answer 5

如果你想要新增加的列分别显示年份和月份，你可以这样做：

df['year'] = pd.DatetimeIndex(df['ArrivalDate']).year
df['month'] = pd.DatetimeIndex(df['ArrivalDate']).month

或者……

df['year'] = df['ArrivalDate'].dt.year
df['month'] = df['ArrivalDate'].dt.month

然后你可以把它们合并在一起，或者直接使用它们。