在数据分析中,经常要对日期字符串进行相应的处理。日期常见的格式为xxxx/xx/xx或xxxx-xx-xx等
1.如何去掉中间的分隔符号?可以用以下代码
正则表达式'\d+'表示提取所有数字(至少一位数字或以上)。
import pandas as pd
import re
data = pd.read_csv('数据')
riqi = data['日期'].apply(lambda x: re.findall(r'\d+', x)) #riqi得到的是所有的日期数据,每一行是一个列表,比如2020-02-11会变成[2020,02,11]
#如果只需要年月日其中一个数据,我们可以:
riqi = data['日期'].apply(lambda x: re.findall(r'\d+', x)[0]) #只得到年份
2.如何让数据根据年份来排序?可以用以下代码
import pandas as pd
import re
data = pd.read_csv('数据')
data['日期'] = data['日期'].apply(lambda x: int(''.join(re.findall(r'\d+', x)))) #这里的''.join()负责把列表里三个数字合并成一个字符串,例如2020-02-11变成20200211,再用int将它变成整数,以便排序
data.sort_values(by='日期',ascending = True)
#如果还想将日期变回字符串,可以:
def todate(num):
riqi = []
num = str(num)
riqi.append(num[0:4])
riqi.append(num[4:6])
riqi.append(num[6:8])
riqi = '-'.join(riqi)
return riqi
data['日期'] = data['日期'].apply(todate)