如何转换日期只得到数字年[重复]

Question

我有以下日期表。

如何将这些字符串日期转换为仅显示数字年份？

我需要在Python中为Pandas数据帧执行此操作。

我知道一个选择是分割字符串，但是有没有更有效的方法？

Answer 1

假设此数据列位于名为df的DataFrame中，那么，

df['datum'] = pandas.to_datetime(df['datum'], format='%a %b %d, %Y %H:%M UTC')

将字符串日期转换为datetime对象。

现在，如果只需要年份，可以从表中获取任何对象并访问其year属性。例如，df['datum'][0]。年份。

如果您想制作一个仅包含年份的专栏：

df['年']=df['data'].dt.year

Answer 2

• 这个问题是重复的，但这个答案已经留下来澄清一个解决方案
• 使用。dt访问器，用于在将列转换为datetime64[ns]数据类型后提取年份
• 示例数据都是'UTC'，因此pd。to_datetime（df.datum，utc=True）应在不使用格式的情况下工作。
  • 需要注意的是，在不指定格式的情况下转换列需要更长的时间，因为必须推断日期格式
  • 如果时区不同，请尝试指定格式
  • 选择正确的格式代码以设置中的格式。到_datetime（）

  import pandas as pd
  
  # test data
  data = {'datum': ['Fri Aug 07, 2020 05:12 UTC', 'Thu Aug 06, 2020 04:01 UTC', 'Tue Aug 04, 2020 23:57 UTC', 'Thu Jul 30, 2020 21:25 UTC', 'Thu Jul 30, 2020 11:50 UTC', 'Sat Jul 25, 2020 03:13 UTC', 'Thu Jul 23, 2020 14:26 UTC', 'Thu Jul 23, 2020 04:41 UTC', 'Mon Jul 20, 2020 21:30 UTC', 'Sun Jul 19, 2020 21:58 UTC', 'Wed Jul 15, 2020 13:46 UTC', 'Fri Jul 10, 2020 04:17 UTC', 'Thu Jul 09, 2020 12:11 UTC', 'Mon Jul 06, 2020 01:00 UTC', 'Sat Jul 04, 2020 23:44 UTC', 'Sat Jul 04, 2020 21:19 UTC', 'Fri Jul 03, 2020 03:10 UTC', 'Tue Jun 30, 2020 20:10 UTC', 'Tue Jun 23, 2020 01:43 UTC']}
  df = pd.DataFrame(data)
  
  # if you have varying time zones, try specifying the format
  df.datum = pd.to_datetime(df.datum, format='%a %b %d, %Y %H:%M %Z')
  
  # if you have only utc
  df.datum = pd.to_datetime(df.datum, utc=True)
  df['Year'] = df.datum.dt.year
  
                      datum  Year
  2020-08-07 05:12:00+00:00  2020
  2020-08-06 04:01:00+00:00  2020
  2020-08-04 23:57:00+00:00  2020
  2020-07-30 21:25:00+00:00  2020
  2020-07-30 11:50:00+00:00  2020
  2020-07-25 03:13:00+00:00  2020
  2020-07-23 14:26:00+00:00  2020
  2020-07-23 04:41:00+00:00  2020
  2020-07-20 21:30:00+00:00  2020
  2020-07-19 21:58:00+00:00  2020
  2020-07-15 13:46:00+00:00  2020
  2020-07-10 04:17:00+00:00  2020
  2020-07-09 12:11:00+00:00  2020
  2020-07-06 01:00:00+00:00  2020
  2020-07-04 23:44:00+00:00  2020
  2020-07-04 21:19:00+00:00  2020
  2020-07-03 03:10:00+00:00  2020
  2020-06-30 20:10:00+00:00  2020
  2020-06-23 01:43:00+00:00  2020