У меня есть фрейм данных Pandas, и мне нужно преобразовать столбец с датами в int, но, к сожалению, все данные решения заканчиваются ошибками (ниже)
test_df.info()
<class 'pandas.core.frame.DataFrame'>
Data columns (total 4 columns):
Date 1505 non-null object
Avg 1505 non-null float64
TotalVol 1505 non-null float64
Ranked 1505 non-null int32
dtypes: float64(2), int32(1), object(1)
Пример данных:
Date Avg TotalVol Ranked
0 2014-03-29 4400.000000 0.011364 1
1 2014-03-30 1495.785714 4.309310 1
2 2014-03-31 1595.666667 0.298571 1
3 2014-04-01 1523.166667 0.270000 1
4 2014-04-02 1511.428571 0.523792 1
Я думаю, что я пробовал все, но ничего не работает
test_df['Date'].astype(int):
Аргумент TypeError: int() должен быть строкой, байтовым объектом или числом, а не 'datetime.date'
test_df['Date']=pd.to_numeric(test_df['Date']):
ТипError: недопустимый тип объекта в позиции 0
test_df['Date'].astype(str).astype(int):
ValueError: неверный литерал для int() с базой 10: '2014-03-29'
test_df['Date'].apply(pd.to_numeric, errors='coerce'):
Преобразует весь столбец в NaN
Причина, по которой test_df['Date'].astype(int)
дает вам ошибку, состоит в том, что ваши даты по-прежнему содержат дефисы " - ". Сначала подавите их, выполнив test_df['Date'].str.replace("-","")
, затем вы можете применить свой первый метод к полученной серии. Таким образом, все решение будет:
test_df['Date'].str.replace("-","").astype(int)
Обратите внимание, что это не будет работать, если столбец " Дата " не является строковым объектом, как правило, когда Pandas уже проанализировал вашу серию как TimeStamp. В этом случае вы можете использовать:
test_df['Date'].dt.strftime("%Y%m%d").astype(int)
Это должно работать
df['Date'] = pd.to_numeric(df.Date.str.replace('-',''))
print(df['Date'])
0 20140329
1 20140330
2 20140331
3 20140401
4 20140402
Похоже, вам нужно pd.to_datetime().dt.strftime("%Y%m%d")
.
Демо - версия:
import pandas as pd
df = pd.DataFrame({"Date": ["2014-03-29", "2014-03-30", "2014-03-31"]})
df["Date"] = pd.to_datetime(df["Date"]).dt.strftime("%Y%m%d")
print( df )
Выход:
Date
0 20140329
1 20140330
2 20140331