python - 从 pandas Timestamp 获取 MM-DD-YYYY

Question

日期在 python 中似乎是一件棘手的事情，我在简单地从 pandas 时间戳中删除日期时遇到了很多麻烦。我想从 2013-09-29 02:34:44 到简单的 09-29-2013

我有一个包含 Created_date 列的数据框:

Name: Created_Date, Length: 1162549, dtype: datetime64[ns]`

我已尝试在此系列上应用 .date() 方法，例如:df.Created_Date.date()，但我收到错误 AttributeError :“系列”对象没有属性“日期”

谁能帮帮我？

Answer 1

map 覆盖元素:

In [239]: from operator import methodcaller

In [240]: s = Series(date_range(Timestamp('now'), periods=2))

In [241]: s
Out[241]:
0   2013-10-01 00:24:16
1   2013-10-02 00:24:16
dtype: datetime64[ns]

In [238]: s.map(lambda x: x.strftime('%d-%m-%Y'))
Out[238]:
0    01-10-2013
1    02-10-2013
dtype: object

In [242]: s.map(methodcaller('strftime', '%d-%m-%Y'))
Out[242]:
0    01-10-2013
1    02-10-2013
dtype: object

您可以通过调用构成 Timestamp 元素的 date() 方法来获取原始 datetime.date 对象>系列:

In [249]: s.map(methodcaller('date'))

Out[249]:
0    2013-10-01
1    2013-10-02
dtype: object

In [250]: s.map(methodcaller('date')).values

Out[250]:
array([datetime.date(2013, 10, 1), datetime.date(2013, 10, 2)], dtype=object)

另一种方法是调用未绑定(bind)的 Timestamp.date 方法:

In [273]: s.map(Timestamp.date)
Out[273]:
0    2013-10-01
1    2013-10-02
dtype: object

此方法最快，恕我直言，可读性最强。 Timestamp 可以在顶级 pandas 模块中访问，例如:pandas.Timestamp。出于说明目的，我直接导入了它。

DatetimeIndex 对象的 date 属性做类似的事情，但返回一个 numpy 对象数组:

In [243]: index = DatetimeIndex(s)

In [244]: index
Out[244]:
<class 'pandas.tseries.index.DatetimeIndex'>
[2013-10-01 00:24:16, 2013-10-02 00:24:16]
Length: 2, Freq: None, Timezone: None

In [246]: index.date
Out[246]:
array([datetime.date(2013, 10, 1), datetime.date(2013, 10, 2)], dtype=object)

对于较大的 datetime64[ns] Series 对象，调用 Timestamp.date 比 operator.methodcaller 更快这比 lambda:

稍快

In [263]: f = methodcaller('date')

In [264]: flam = lambda x: x.date()

In [265]: fmeth = Timestamp.date

In [266]: s2 = Series(date_range('20010101', periods=1000000, freq='T'))

In [267]: s2
Out[267]:
0    2001-01-01 00:00:00
1    2001-01-01 00:01:00
2    2001-01-01 00:02:00
3    2001-01-01 00:03:00
4    2001-01-01 00:04:00
5    2001-01-01 00:05:00
6    2001-01-01 00:06:00
7    2001-01-01 00:07:00
8    2001-01-01 00:08:00
9    2001-01-01 00:09:00
10   2001-01-01 00:10:00
11   2001-01-01 00:11:00
12   2001-01-01 00:12:00
13   2001-01-01 00:13:00
14   2001-01-01 00:14:00
...
999985   2002-11-26 10:25:00
999986   2002-11-26 10:26:00
999987   2002-11-26 10:27:00
999988   2002-11-26 10:28:00
999989   2002-11-26 10:29:00
999990   2002-11-26 10:30:00
999991   2002-11-26 10:31:00
999992   2002-11-26 10:32:00
999993   2002-11-26 10:33:00
999994   2002-11-26 10:34:00
999995   2002-11-26 10:35:00
999996   2002-11-26 10:36:00
999997   2002-11-26 10:37:00
999998   2002-11-26 10:38:00
999999   2002-11-26 10:39:00
Length: 1000000, dtype: datetime64[ns]

In [269]: timeit s2.map(f)
1 loops, best of 3: 1.04 s per loop

In [270]: timeit s2.map(flam)
1 loops, best of 3: 1.1 s per loop

In [271]: timeit s2.map(fmeth)
1 loops, best of 3: 968 ms per loop

请记住，pandas 的目标之一是在 numpy 之上提供一个层，以便(大多数时候)您不必处理 ndarray 的底层细节。因此，在数组中获取原始 datetime.date 对象的用途有限，因为它们不对应于 pandas numpy.dtype code>(pandas 仅支持 datetime64[ns] [that's nanoseconds] dtypes)。也就是说，有时您需要这样做。