python - 从 pandas datetime 列中提取年份作为数值，空单元格使用 NaN 而不是 NaT

Question

我想将日期时间列中的年份提取到新的“yyyy”列中，并且我希望缺失值 (NaT) 显示为“NaN”，因此应更改新列的日期时间数据类型我想，但我被卡住了..

初始 df:

        Date  ID
0 2016-01-01  12
1 2015-01-01  96
2        NaT  20
3 2018-01-01  73
4 2017-01-01  84
5        NaT  26
6 2013-01-01  87
7 2016-01-01  64
8 2019-01-01  11
9 2014-01-01  34

期望的 df:

        Date  ID  yyyy
0 2016-01-01  12  2016
1 2015-01-01  96  2015
2        NaT  20   NaN
3 2018-01-01  73  2018
4 2017-01-01  84  2017
5        NaT  26   NaN
6 2013-01-01  87  2013
7 2016-01-01  64  2016
8 2019-01-01  11  2019
9 2014-01-01  34  2014

代码:

import pandas as pd

import numpy as np



# example df
df = pd.DataFrame({"ID": [12,96,20,73,84,26,87,64,11,34],
    
                 "Date": ['2016-01-01', '2015-01-01', np.nan, '2018-01-01', '2017-01-01', np.nan, '2013-01-01', '2016-01-01', '2019-01-01', '2014-01-01']})



df.ID = pd.to_numeric(df.ID)

df.Date = pd.to_datetime(df.Date)
print(df)

#extraction of year from date
df['yyyy'] = pd.to_datetime(df.Date).dt.strftime('%Y')



#Try to set NaT to NaN or datetime to numeric, PROBLEM: empty cells keep 'NaT'
df.loc[(df['yyyy'].isna()), 'yyyy'] = np.nan

   #(try1)
df.yyyy = df.Date.astype(float)
                #(try2)
df.yyyy = pd.to_numeric(df.Date)
               #(try3)

print(df)

Answer 1

使用Series.dt.year使用 Int64 转换为整数:

df.Date = pd.to_datetime(df.Date)

df['yyyy'] = df.Date.dt.year.astype('Int64')
print (df)
   ID       Date  yyyy
0  12 2016-01-01  2016
1  96 2015-01-01  2015
2  20        NaT  <NA>
3  73 2018-01-01  2018
4  84 2017-01-01  2017
5  26        NaT  <NA>
6  87 2013-01-01  2013
7  64 2016-01-01  2016
8  11 2019-01-01  2019
9  34 2014-01-01  2014

没有将 float 转换为整数:

df['yyyy'] = df.Date.dt.year
print (df)
   ID       Date    yyyy
0  12 2016-01-01  2016.0
1  96 2015-01-01  2015.0
2  20        NaT     NaN
3  73 2018-01-01  2018.0
4  84 2017-01-01  2017.0
5  26        NaT     NaN
6  87 2013-01-01  2013.0
7  64 2016-01-01  2016.0
8  11 2019-01-01  2019.0
9  34 2014-01-01  2014.0

您的解决方案将 NaT 转换为字符串 NaT，因此可以使用 replace。顺便说一句，在 pandas 的最新版本中 replace 不是必需的，它可以正常工作。

df['yyyy'] = pd.to_datetime(df.Date).dt.strftime('%Y').replace('NaT', np.nan)