python - Pandas 中单个单元格中存在多个字符串导致的日期时间转换错误

Question

我有一个数据帧df，如下所示，其中存在Date字段。我正在使用 pd.read_excel() 方法从 Excel 中读取此内容。

    Company Code    Trxn_date                Company Name     Type
      20040       2019-05-11 00:00:00             ABC        Series A #<--the date is in `datetime` object only.
      20034       2019-04-26 00:00:00             XYZ        Series A
      20033       "5/15/2018\n23/4/2019"          PQR       "Series A  
                                                             Series B" # <-- In same row. 
      20040       2019-06-05 00:00:00             ABC        Series B
      20056        8/16/2019                      MNO        Series B

如您所见，对于 20033，Trxn_date 中有两个条目，间隔 \n。 Type 字段也是如此。因此，如果我应用pd.to_datetime(df['Trxn_date'])，我会得到一个明显的错误TypeError: invalid string coercion to datetime。我不想强制选项。

请注意，除了 20033 和 20056 之外，所有日期都会被 pandas 自动转换为 datetime 对象。

我想按如下方式获取df。

    Company Code    Trxn_date         Company Name    Type
      20040       2019-05-11            ABC         Series A   
      20034       2019-04-26            XYZ         Series A
      20033       2019-04-23            PQR         Series B  #<--Only the last date string is picked up and converted to datetime. 
      20040       2019-06-05            ABC         Series B
      20056       2019-08-16            MNO         Series B #<--The date format is changed to `yyyy-mm-dd`. 

我无法获得任何线索来实现上述目标。对于 20056 我可以使用 pd.to_datetime(df['Trxn_date'],errors='coerce').apply(lambda x : x.strftime('%Y-%m-% d') if pd.notnull(x) else ' ')。此操作会在 Trxn_date 字段中为 20033 创建一个空白。

有人可以对此提供任何见解吗？也许我必须编写一个函数，然后使用 lambda 来实现相同的功能？

Answer 1

您可以按 \n 拆分并按 str[-1] 获取最后列表，但 separator \n depends of real data, so should be different :

df['Trxn_date'] = df['Trxn_date'].str.split('\n').str[-1]
df['Type'] = df['Type'].str.split('\n').str[-1]

df['Trxn_date'] = pd.to_datetime(df['Trxn_date'],errors='coerce').dt.strftime('%Y-%m-%d')