Python Pandas：pandas.to_datetime() 在日小于 13 时切换日和月

Question

我编写了一个读取多个文件的代码，但是在我的一些文件中，当一天小于 13 时，日期时间会交换日和月，并且从第 13 天或以上的任何一天开始，即 13/06/11 仍然是正确的（DD/MM /YY）。我试图通过这样做来修复它，但它不起作用。

我的数据框看起来像这样：实际日期时间是从 12june2015 到 13june2015，当我将日期时间列作为字符串读取时，日期保持正确 dd/mm/yyyy

tmp                     p1 p2 
11/06/2015 00:56:55.060  0  1
11/06/2015 04:16:38.060  0  1
12/06/2015 16:13:30.060  0  1
12/06/2015 21:24:03.060  0  1
13/06/2015 02:31:44.060  0  1
13/06/2015 02:37:49.060  0  1

但是当我将我的列的类型更改为日期时间列时，它会为小于 13 的每一天交换我的日期和月份。

输出：

print(df)
tmp                  p1 p2 
06/11/2015 00:56:55  0  1
06/11/2015 04:16:38  0  1
06/12/2015 16:13:30  0  1
06/12/2015 21:24:03  0  1
13/06/2015 02:31:44  0  1
13/06/2015 02:37:49  0  1

这是我的代码：

我遍历文件：

df = pd.read_csv(PATH+file, header = None,error_bad_lines=False , sep = '\t')

然后当我的代码读完我所有的文件时，我将它们连接起来，问题是我的日期时间列需要是日期时间类型，所以当我通过 pd_datetime() 更改它的类型时，它会交换日期小于 13 的日期和月份.

转换我的日期时间列后，日期是正确的（字符串类型）

print(tmp) # as a result I get 11.06.2015 12:56:05 (11june2015)

但是当我更改列类型时，我得到了这个：

tmp = pd.to_datetime(tmp, unit = "ns")
tmp = temps_absolu.apply(lambda x: x.replace(microsecond=0))
print(tmp) # I get 06-11-2016 12:56:05 (06november2015 its not the right date)

问题是：当一天小于 13 时，我应该使用或更改什么命令来停止日和月交换？

更新 此命令交换我的专栏的所有天数和月数

tmp =  pd.to_datetime(tmp, unit='s').dt.strftime('%#m/%#d/%Y %H:%M:%S') 

所以为了只交换不正确的日期，我写了一个条件：

for t in tmp:
        if (t.day < 13):
            t = datetime(year=t.year, month=t.day, day=t.month, hour=t.hour, minute=t.minute, second = t.second)

但它也不起作用

Answer 1

您可以dayfirst在pd.to_datetime.

pd.to_datetime(df.tmp, dayfirst=True)

输出：

0   2015-06-11 00:56:55
1   2015-06-11 04:16:38
2   2015-06-12 16:13:30
3   2015-06-12 21:24:03
4   2015-06-13 02:31:44
5   2015-06-13 02:37:49
Name: tmp, dtype: datetime64[ns]

Answer 2

好吧，我解决了我的问题，但在一种消耗内存的方法中，我首先将 tmp 列拆分为日期和时间列，然后将日期列重新拆分为日、月和年，这样我就可以查找小于的日期13 并替换为对应的月份

df['tmp'] = pd.to_datetime(df['tmp'], unit='ns')
df['tmp'] = df['tmp'].apply(lambda x: x.replace(microsecond=0))
df['date'] = [d.date() for d in df['tmp']]
df['time'] = [d.time() for d in df['tmp']]
df[['year','month','day']] = df['date'].apply(lambda x: pd.Series(x.strftime("%Y-%m-%d").split("-")))

df['day'] = pd.to_numeric(df['day'], errors='coerce')
df['month'] = pd.to_numeric(df['month'], errors='coerce')
df['year'] = pd.to_numeric(df['year'], errors='coerce')


#Loop to look for days less than 13 and then swap the day and month
for index, d in enumerate(df['day']):
        if(d <13): 
 df.loc[index,'day'],df.loc[index,'month']=df.loc[index,'month'],df.loc[index,'day'] 

# 将系列转换为字符串类型以便合并它们

 df['day'] = df['day'].astype(str)
 df['month'] = df['month'].astype(str)
 df['year'] = df['year'].astype(str)
 df['date']=  pd.to_datetime(df[['year', 'month', 'day']])
 df['date'] = df['date'].astype(str)
 df['time'] = df['time'].astype(str)

# 将时间、日期和地点结果合并到我们的列中

df['tmp'] =pd.to_datetime(df['date']+ ' '+df['time'])

# 删除添加的列

df.drop(df[['date','year', 'month', 'day','time']], axis=1, inplace = True)