Pandas模块 --- 字符与日期型数据的处理

爱被打了一巴掌 2021-11-09 06:40 224阅读 0赞

1，pd.to\_datetime( 要转换的日期, format= ),

2，pd.to\_datetime.today( ).year  ，pd.to\_datetime.now( ).year

3，字符串的astype方法：字段类型转换，

4，日期.dt.year  ：必须加dt

5，删除字段： df. drop (\[ \] , axis=1, inplace=True)

df是数据框的名字，列表\[  \] 里是要删除的字段名，

axis=1表示在水平方向，因为默认drop方法是用来删除数据库中的行记录，

inplace=True表示会影响原数组

6，序列的apply ( )  方法  ,  apply( func= , )

7，序列使用.str后，可以转换为字符串类型

df=pd.read_excel(r'E:\Python学习资料\data_test03.xlsx')
    # print(df)
    print("df的类型：",type(df))
    print("数据集DataFrame的维数：",df.ndim)
    print("元素类型：\n",df.dtypes)
    print("\n元素个数：",df.size)
    
    #转换字段的数据类型
    df.birthday=pd.to_datetime(df.birthday,format='%Y-%m-%d')
    df.tel=df.tel.astype("str")
    
    #将手机号中间4位隐藏起来
    df.tel=df.tel.apply(func=lambda x:x.replace(x[3:7],"*****"))
    
    #添加域名domain，年龄age，工龄workage，专业profession
    df['domain']=df.email.apply(func=lambda x:x.split("@")[1])
    df['age']=pd.datetime.today().year-df.birthday.dt.year
    df['workage']=pd.datetime.today().year-df.birthday.dt.year
    df['profession']=df.other.str.findall("专业：(.*?)，")
    #这种方法能去掉专业外面的 中括号
    df['major']=df.other.str.findall("专业：(.*?)，").str[0]
    
    #删除'birthday','start_work','other'这几个变量
    df.drop(['birthday','start_work','other'],axis=1,inplace=True)
    
    #各种操作之后的数据集
    print("\n",df)

![1556945-20190720212639413-1660235289.png][]

转载于:https://www.cnblogs.com/bravesunforever/p/11219299.html

[1556945-20190720212639413-1660235289.png]: /images/20211109/fa4bd38516af4beca2ae5a9ec98f8384.png