在有空值的日期上使用 lambda 和 strftime (Pandas)

Posted 2023-04-18

【中文标题】在有空值的日期上使用 lambda 和 strftime (Pandas)

【英文标题】：Using lambda and strftime on dates when there are null values (Pandas)

【发布时间】：2016-05-31 00:09:51

【问题描述】：

我正在尝试使用 lambda 和 strftime 在我的数据框中更改日期时间列的格式，如下所示

df['Date Column'] = df['Date Column'].map(lambda x: x.strftime('%m/%d/%Y'))

但是，由于我在其中一些字段中有空值，这给了我一个错误。我不能删除这些空行，因为我仍然需要它们来存储其他列中的数据。有没有办法在不删除空值的情况下解决这个错误。

也许像

df['Date Column'].map(lambda x: x.strftime('%m/%d/%Y') if x != null else "")

?

我使用的方法是删除空值，格式化列，然后将其合并回原始数据集，但这似乎是一种非常低效的方法。

【问题讨论】：

“也许是……”这就是我要建议的。成功了吗？

可悲的是。我尝试过不同的形式。 .notnull(), != np.nan, != "NaT", != "NaN，但是没有一个起作用，所以我想知道方法是否错误

【参考方案1】：

您不应该检查 nan/nat (un)equality，但 .notnull() 应该可以工作，并且对我有用：

s = pd.date_range('2000-01-01', periods=5).to_series().reset_index(drop=True)
s[2] = None
s

0   2000-01-01
1   2000-01-02
2          NaT
3   2000-01-04
4   2000-01-05
dtype: datetime64[ns]

s.map(lambda x: x.strftime('%m/%d/%Y') if pd.notnull(x) else '')

0    01/01/2000
1    01/02/2000
2              
3    01/04/2000
4    01/05/2000
dtype: object

这与@Alexander 和@Batman 的答案相同，但更明确。对于大型系列，它也可能会稍微慢一些。

您也可以使用.dt 访问器。空值将被格式化为NaT。

s.dt.strftime('%m/%d/%Y')

0    01/01/2000
1    01/02/2000
2           NaT
3    01/04/2000
4    01/05/2000
dtype: object

【参考方案2】：

我个人只是定义一个小函数，然后使用它。

def to_string(date):
    if date:
        string = date.strftime('%Y%m%d')
    else:
        string = ""

    return string

然后

df['Date Column'].map(to_string) 

否则

df['Date Column'].map(lambda x: x.strftime('%Y%m%d') if x else "")

【讨论】：

对不起。当我开始编辑我的答案时，你还没有回答。我更喜欢函数定义，因为我认为它更容易阅读。这就是为什么我以“个人”开头的原因。后来我突然想到，他们可能不喜欢那样做。

这两种方法最终都给了我关于空值的相同错误。 Goyo 的解决方案对我有用，所以我将其标记为答案

【参考方案3】：

您可以使用条件赋值（三元）。

df['Date Column'] = df['Date Column'].map(lambda x: x.strftime('%m/%d/%Y') if x else '')

【讨论】：

由于某种原因，这种方法仍然给我同样的错误，我得到了关于空值的错误。 Goyo 的解决方案对我有用，所以我将其标记为答案

我想这取决于您所说的“某些字段中的空值”（None vs. NaT vs. NaN）是什么意思。我假设没有，但使用 notnull() 包括其他情况。示例数据有助于创建更符合您要求的解决方案。

啊，你完全正确。它是 NaT，因为它是日期时间格式，对此我深表歉意。