列中缺少/NaT 值时如何转换日期格式

Question

我有几个日期列，我想将它们转换为月/日/年格式。假设 test 是日期列之一 - 下面的代码有效。

dfq['test1'] = dfq['test1'].apply(lambda x: x.strftime('%m/%d/%Y'))

但是，当列中缺少作为 'NaT' 的值时，它会显示错误 ValueError: NaTType 不支持 strftime 。我创建了一个样本数据集，并有意将一个缺失值保留为 ' ' 。在这种情况下，它也会显示错误。

我想保留缺失值或 NaT 值，因此无法删除它们。还有其他办法吗？

另一个问题，如果我想同时转换我所有的日期列（比如 test1、test、test3）， - 有没有办法在使用 lambda/strftime 时做到这一点？

Answer 1

您应该使用pd.Series.dt.strftime，它可以NaT优雅地处理：

import pandas as pd

s = pd.Series(['2018-01-01', 'hello'])

s = pd.to_datetime(s, errors='coerce')

# 0   2018-01-01
# 1          NaT
# dtype: datetime64[ns]

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

print(s)

# 0    01/01/2018
# 1           NaT
# dtype: object

对于你的第二个问题，我不相信datetime转换str可以矢量化。您可以轻松地执行此操作：

for col in ['col1', 'col2', 'col3']:
    df[col] = df[col].dt.strftime('%m/%d/%Y')

或更好：

for col in df.select_dtypes(include=['datetime']):
    df[col] = df[col].dt.strftime('%m/%d/%Y')