大熊猫从日期范围科伦中提取开始和结束日期 [重复]
我有一个包含日期范围的列，我只想将它分别提取到开始和结束日期。不确定直接使用< code>datetime.strptime是否可行
df_have = pd.DataFrame([[1, '01 Jan 2019-04 Jan 2019'], [2, '07 Jan 2019-11 Jan 2019']], columns=['Index', 'Range'])
Index Range
0 1 01 Jan 2019-04 Jan 2019
1 2 07 Jan 2019-11 Jan 2019
df_want = pd.DataFrame([[1, '01 Jan 2019', '04 Jan 2019'], [2, '07 Jan 2019', '11 Jan 2019']], columns=['Index', 'Start', 'End'])
Index Start End
0 1 01 Jan 2019 04 Jan 2019
1 2 07 Jan 2019 11 Jan 2019
谢谢
共有2个答案
import pandas as pd
df_have['Start']=df_have['Range'].map(lambda x:x.split('-')[0])
df_have['End']=df_have['Range'].map(lambda x:x.split('-')[1])
df_have.drop('Range', axis=1)
print(df_have)
Index Start End
0 1 01 Jan 2019 04 Jan 2019
1 2 07 Jan 2019 11 Jan 2019
使用字符串拆分
Ex：
import pandas as pd
df_have = pd.DataFrame([[1, '01 Jan 2019-04 Jan 2019'], [2, '07 Jan 2019-11 Jan 2019']], columns=['Index', 'Range'])
df_have[["start", "end"]] = df_have.pop("Range").str.split("-", expand=True) #Thanks @ jezrael
print(df_have)
输出:
Index start end
0 1 01 Jan 2019 04 Jan 2019
1 2 07 Jan 2019 11 Jan 2019
-
我有一个关于日期范围的问题。我用板条箱装了这样的东西： 结果: 我需要删除3个日期：2017-12-25, 2017-12-27和2018-01-04。我在寻找能帮助我的公式，但我没有找到正确的。我也试图将所有这些更改为列表，但后来我无法使用删除公式，因为它没有找到列表中的值...有人知道怎么修吗？ 谢谢大家！
-
问题内容： 我想检查日期是否在开始日期和结束日期之间。 我添加了一个where子句 但问题在于它不包含“ 2010-04-15”。 它应该包括结束日期，我该怎么办？ 请帮我 问候， 潘卡 问题答案： 明确指定时间部分：
-
目前，我正在尝试返回一个对象列表，该列表的日期属于参数给定的范围······但是，当我运行rest api调用时，没有返回任何东西。我不确定我是否正确地执行了这个Spring JPA请求，并决定获得一些反馈，是否我所做的事情是不正确的。 我的repo包含JSON对象，例如： 如果我的范围是2019-02-01到2019-02-09，那么它应该只返回这个范围内的那些。但是，当我运行我的API请求时，
-
我试图找出明星日期和结束日期的员工时钟。以下是我所掌握的数据示例。 需要输出： 我必须根据eventtime和activitycode找到此人的开始日期和结束日期。开始日期将是事件时间列，我必须从行中下一个事件时间的同一列计算结束日期。 我曾尝试在T-SQL中使用lead函数，但它并没有给出我想要的结果。 如果有人知道如何处理这个问题，我会非常感激。
-
问题内容： 如果可能的话，在以下情况下，我希望使用joda或非joda解决方案 假设我的一周从2012年5月2日开始，给定的当前日期为02/22/2011。我需要计算给定当前日期的星期开始和结束日期。因此，我的解决方案的星期应该从02/19开始，而星期在02/25结束。为简单起见，我将我的工作日设置为02/05/2011，但是可能是任何一天，我的工作日始终为7天。 我现有的代码如下，但似乎无法按预
-
问题内容： 好吧，假设我有一个看起来像这样的表： 任何人都有关于如何查询它的想法，因此数据看起来像 问题答案： 我不会将ID放在这里，因为我认为它与查询无关。如果您愿意，请稍后再说。这是一个MSSQL查询。 可以很容易地将其翻译为其他数据库类型。