Wie extrahiere ich Jahr und Monat effizient aus Pandas Datetime-Spalten?

Monat und Jahr aus Pandas-Datetime-Spalten extrahieren

Resampling einer Pandas-Datetime-Spalte, um Jahr und Monat einzeln zu extrahieren, kann eine Herausforderung darstellen. Um dieses Problem zu lösen, kann man einen direkteren Ansatz verwenden:

Methode 1:

Jahres- und Monatsspalten einfügen

df['year'] = pd.DatetimeIndex(df['ArrivalDate']).year
df['month'] = pd.DatetimeIndex(df['ArrivalDate']).month

Diese Methode erstellt neue Spalten mit den Namen „Jahr“ und „Monat“, die das gewünschte enthalten Werte.

Methode 2:

Datetime-Accessor verwenden

df['year'] = df['ArrivalDate'].dt.year
df['month'] = df['ArrivalDate'].dt.month

Das '.dt'-Attribut der Datetime Die Spalte bietet Zugriff auf Attribute wie „Jahr“ und „Monat“, die direkt in „new“ extrahiert werden können Spalten.

Arbeiten mit extrahierten Werten

Sobald die Jahres- und Monatsspalten erstellt sind, können Sie sie kombinieren oder unabhängig voneinander arbeiten. Zum Beispiel:

# Combine year and month into a new column called 'date'
df['date'] = df['year'].astype(str) + '-' + df['month'].astype(str)

# Group data by year and month
groupby = df.groupby(['year', 'month'])

# Filter data for a specific year and month
filtered_data = df[(df['year'] == 2012) & (df['month'] == 12)]

Diese Methoden bieten flexible Möglichkeiten zum Extrahieren und Bearbeiten von Jahres- und Monatsinformationen aus Pandas Datetime-Spalten und ermöglichen so eine effiziente Datenanalyse und -bearbeitung.

Das obige ist der detaillierte Inhalt vonWie extrahiere ich Jahr und Monat effizient aus Pandas Datetime-Spalten?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!