Pandas 将日期字符串（仅月份和年份）转换为日期时间

Question

我正在尝试将日期时间对象转换为日期时间。在原始数据框中，数据类型是字符串，数据集的形状为 (28000000, 26)。重要的是，日期格式仅为 MMYYYY。这是一个数据示例：

                       DATE
Out[3]    0           081972
          1           051967
          2           101964
          3           041975
          4           071976

我试过：

df['DATE'].apply(pd.to_datetime(format='%m%Y'))

和

pd.to_datetime(df['DATE'],format='%m%Y')

我两次都遇到运行时错误

然后

df['DATE'].apply(pd.to_datetime)

它适用于其他未显示的列（采用 DDMMYYYY 格式），但使用 df['DATE'] 生成未来日期，因为它将日期读取为 MMDDYY 而不是 MMYYYY。

            DATE
0       1972-08-19
1       2067-05-19
2       2064-10-19
3       1975-04-19
4       1976-07-19

期望输出：

          DATE
0       1972-08
1       1967-05
2       1964-10
3       1975-04
4       1976-07

如果这个问题是重复的，请引导我到原来的问题，我找不到任何合适的答案。

预先感谢大家的帮助

Answer 1

首先，如果错误明显出现某些日期时间不匹配，您可以通过errors='coerce'参数 and对其进行测试Series.isna，因为对于不匹配的值将返回缺失值：

print (df)
     DATE
0   81972
1   51967
2  101964
3   41975
4  171976 <-changed data


print (pd.to_datetime(df['DATE'],format='%m%Y', errors='coerce'))
0   1972-08-01
1   1967-05-01
2   1964-10-01
3   1975-04-01
4          NaT
Name: DATE, dtype: datetime64[ns]

print (df[pd.to_datetime(df['DATE'],format='%m%Y', errors='coerce').isna()])
     DATE
4  171976

将更改数据的输出转换为日期时间和月份周期的解决方案Series.dt.to_period：

df['DATE'] = pd.to_datetime(df['DATE'],format='%m%Y', errors='coerce').dt.to_period('m')
print (df)
      DATE
0  1972-08
1  1967-05
2  1964-10
3  1975-04
4      NaT

原始数据的解决方案：

df['DATE'] = pd.to_datetime(df['DATE'],format='%m%Y', errors='coerce').dt.to_period('m')
print (df)

0  1972-08
1  1967-05
2  1964-10
3  1975-04
4  1976-07