如何解析不同的字符串日期格式?[英] How to parse different string date formats?

本文是小编为大家收集整理的关于如何解析不同的字符串日期格式?的处理方法,想解了如何解析不同的字符串日期格式?的问题怎么解决?如何解析不同的字符串日期格式?问题的解决办法?那么可以参考本文帮助大家快速定位并解决问题。

问题描述

在桌子上工作,并混合了不同的字符串,可以得出日期.

    period
0   Q2 '20 Base
1   Q3 '20 Base
2   Q1 '21 Base
3   February '20 Base
4   March '20 Peak
5   Summer 22 Base
6   Winter 20 Peak
7   Summer 21 Base
8   Year 2021
9   October '21 Peak

我希望能够将其解析为时间戳以在Python中进行分析.首先,理想情况下,我想分析4列1)第2天第3季3)季度4)一年.然后使用这些列制作DateTime(DD-MM-Yyyy).

    period             day  month quarter year
0   Q2 '20 Base         01  04    1       2020
1   Q3 '20 Peak         01  07    3       2020
2   Q1 '21 Base         01  01    1       2021
3   February '20 Base   01  02    1       2020
4   March '20 Peak      01  03    1       2020
5   Summer 22 Base      01  04    2       2022
6   Winter 20 Peak      01  10    4       2020
7   Summer 21 Base      01  04    2       2021
8   Year 2021           01  01    1       2021
9   October '21 Base    01  10    4       2021

如何将其解析为4个新列?

推荐答案

我的想法是为您的标识符设置字典数据结构:

datemap = { 'January' :  {'day' : 1, 'month' : 1, 'quarter' : 1}, 
            'February' : {'day' : 1, 'month' : 2, 'quarter' : 1}, 
            'March' :    {'day' : 1, 'month' : 3, 'quarter' : 1}, 
            # and so on ...
            'Spring' : {'day' : 1, 'month' : 1, 'quarter' : 1}, 
            'Summer' : {'day' : 1, 'month' : 4, 'quarter' : 2}, 
            'Fall' :   {'day' : 1, 'month' : 7, 'quarter' : 3}, 
            'Winter' : {'day' : 1, 'month' : 10, 'quarter' : 4}, 
            'Q1' : {'day' : 1, 'month' : 1, 'quarter' : 1}, 
            'Q2' : {'day' : 1, 'month' : 4, 'quarter' : 2}, 
            'Q3' : {'day' : 1, 'month' : 7, 'quarter' : 3}, 
            'Q4' : {'day' : 1, 'month' : 10, 'quarter' : 4}, 
            'Year' : {'day' : 1, 'month' : 1, 'quarter' : 1} }

然后,您可以通过查看这样的第一个单词r['period'].split()[0](或一年的第二个单词)来转换给定值r['period']:

df['day'] = df.apply (lambda r: datemap[r['period'].split()[0]]['day'], axis=1)
df['month'] = df.apply (lambda r: datemap[r['period'].split()[0]]['month'], axis=1)
df['quarter'] = df.apply (lambda r: datemap[r['period'].split()[0]]['quarter'], axis=1)
df['year'] = df.apply (lambda r: "20" + r['period'].split()[1][-2:], axis=1)

本文地址:https://www.itbaoku.cn/post/1727782.html