パンダ分解カラム

Question

パンダの文書より、http://pandas.pydata.org/pandas-docs/stable/generated/pandas.to_datetime.html。日付列を1つにまとめて説明します。

>>> df = pd.DataFrame({'year': [2015, 2016], 
         'month': [2, 3], 
         'day': [4, 5]}) 
>>> pd.to_datetime(df) 
0 2015-02-04 1 2016-03-05 dtype: datetime64[ns] 

しかし、逆の変換はどのように実行できますか？

Answer 1

.dt.strftime('%Y %-m %-d').str.split()動作が逆になり

df = pd.DataFrame({'year': [2015, 2016], 
         'month': [2, 3], 
         'day': [4, 5]}) 
pd.to_datetime(df) 

0 2015-02-04 
1 2016-03-05 
dtype: datetime64[ns] 

---

pd.to_datetime(df).dt.strftime('%Y %-m %-d').str.split() 

0 [2015, 2, 4] 
1 [2016, 3, 5] 
dtype: object 

---

それとも派手な正規表現の抽出物と所望の出力が何であるかを申し訳

regex = r'(?P<year>\d+) (?P<month>\d+) (?P<day>\d+)' 
pd.to_datetime(df).dt.strftime('%Y %-m %-d') \ 
    .str.extract(regex, expand=True).astype(int) 

Answer 2

あなたはto_datetime戻っSeriesはので、私は列を追加するために、DFに変換してることに注意し、dtアクセサを使用して日時の構成部品にアクセスすることができます。

In [71]: 
df1 = pd.to_datetime(df) 
df1 = df1.to_frame() 
df1 = df1.rename(columns={0:'date'}) 
df1 

Out[71]: 
     date 
0 2015-02-04 
1 2016-03-05 

In [72]: 
df1['year'], df1['month'], df1['day'] = df1['date'].dt.year, df1['date'].dt.month, df1['date'].dt.day 
df1 

Out[72]: 
     date year month day 
0 2015-02-04 2015  2 4 
1 2016-03-05 2016  3 5 

dtypesがint64になります各成分について：

In [73]:  
df1.info() 

<class 'pandas.core.frame.DataFrame'> 
RangeIndex: 2 entries, 0 to 1 
Data columns (total 4 columns): 
date  2 non-null datetime64[ns] 
year  2 non-null int64 
month 2 non-null int64 
day  2 non-null int64 
dtypes: datetime64[ns](1), int64(3) 
memory usage: 144.0 bytes