如何以正确的格式手动输入包含每日日期的Python数据

Question

按照下面的代码，我想(手动)在Python中创建一个每日日期(在“日期”栏中)的数据。但是，代码没有为每日日期提供正确的格式，而忽略日期(所需的格式表示形式如下)。请您告知我如何更正代码，以便以所需格式输入“日期”列吗？提前感谢！

------------------------------------------------------
desired format for date column

2021-03-22    3
2021-04-07    3
2021-04-18    3
2021-05-12    0

------------------------------------------------------
df1 = pd.DataFrame({"date": [2021-3-22, 2021-4-7, 2021-4-18, 2021-5-12],
"x": [3, 3, 3, 0 ]})
df1
    date    x
0   1996    3
1   2010    3
2   1999    3
3   2004    0

Answer 1

Python希望将序列2021-3-22中的数字解释为一系列数学操作2021 minus 3 minus 22。

如果希望将该项存储为类似日期的字符串，则需要将其标记为字符串文本数据类型(str)，如下所示，将其封装为引号。

import pandas as pd

df1 = pd.DataFrame({"date": ['2021-3-22', '2021-4-7', '2021-4-18', '2021-5-12'],
"x": [3, 3, 3, 0 ]})

date列的结果(如这里所示)表明，date列包含object数据类型的元素，其中包含熊猫中的str。请注意，字符串的创建如出一辙(2021-3-22而不是2021-03-22)。

0    2021-3-22
1     2021-4-7
2    2021-4-18
3    2021-5-12
Name: date, dtype: object

但是，如果您实际上希望将它们存储为datetime对象，以便您可以对它们执行日期时间操作(即确定两个日期或过滤器之间的天数或特定月份或年份)，则需要将这些值转换为datetime对象。

这项技术将达到以下目的：

df1['date'] = pd.to_datetime(df1['date'])

这种转换的结果是Pandas datetime对象，它支持纳秒精度(我将其与datetime对象区分开来，后者仅限于微秒精度)。

0   2021-03-22
1   2021-04-07
2   2021-04-18
3   2021-05-12
Name: date, dtype: datetime64[ns]

注意，显示的结果现在按照您对datetimes (2021-03-22而不是2021-3-22)的预期格式进行了格式化。

Answer 2

您可能希望将该系列创建为一个日期时间，并在这样做时使用以下代码作为字符串，这里有更多信息日期时间

df1 = pd.DataFrame({"date": pd.to_datetime(["2021-3-22", "2021-4-7", "2021-4-18", "2021-5-12"]),
"x": [3, 3, 3, 0 ]})

Answer 3

FWIW，我经常使用pd.read_csv(io.StringIO(text))将表状数据复制/粘贴到DataFrame中(例如，来自SO问题)。

示例：

import io
import re
import pandas as pd

def df_read(txt, **kwargs):
    txt = '\n'.join([s.strip() for s in txt.splitlines()])
    return pd.read_csv(io.StringIO(re.sub(r'  +', '\t', txt)), sep='\t', **kwargs)


txt = """
date      value
2021-03-22    3
2021-04-07    3
2021-04-18    3
2021-05-12    0
"""

df = df_read(txt, parse_dates=['date'])

>>> df
        date  value
0 2021-03-22      3
1 2021-04-07      3
2 2021-04-18      3
3 2021-05-12      0

>>> df.dtypes
date     datetime64[ns]
value             int64
dtype: object