python - 使用正则表达式替换 Pandas 数据框中字符串的特定部分

Question

我的数据框有一个日期列(当前是字符串)。我正在尝试解决该色谱柱的问题。

df[:15]

    Date    Customer ID
0   01/25/2016  104064596300
1   02/28/2015  102077474472
2   11/17/2016  106430081724
3   02/24/2016  107770391692
4   10/05/2016  106523680888
5   02/24/2016  107057691592
6   11/24/2015  102472820188
7   10/12/2016  107195498128
8   01/05/2016  104796266660
9   09/30/2016  107812562924
10  10/13/2015  102809057000
11  11/21/2016  107379017712
12  11/08/2015  106642145040
13  02/26/2015  107862343816
14  10/16/2016  107383084928

我的数据应该在以下日期范围内:2015 年 9 月至 2016 年 2 月。

一些数据的年份混淆了(例如，参见上面第 2 行 - 2016 年 11 月 17 日!)

我想做的是更改日期不正确的观测年份。

我已经在 Pandas 中使用了 Replace() 命令，但无法找到有效的命令:

df.Date.str.replace(('^(09|10|11|12)\/\d\d\/2016$'), '2015')

0         01/25/2016
1         02/28/2015
2               2015
3         02/24/2016
4               2015
5         02/24/2016
6         11/24/2015
7               2015
8         01/05/2016
9               2015
10        10/13/2015
11              2015
12        11/08/2015
13        02/26/2015
14              2015
15        12/17/2015
16        01/05/2015
17        01/21/2015
18              2015
19              2015
20        02/06/2016
21        10/06/2015
22        02/18/2016

具体来说，我只是想根据某些条件更改每行的最后 4 位数字(年份):

1. 如果月份在 9 月到 12 月(09 到 12)之间并且有年份 2016 年，将此观测的年份更改为 2015 年

2. 如果月份是 1 月或 2 月(01 或 02)且年份为 2015 年，则将此观测的年份更改为 2016

我上面写的命令识别了场景 1) 的正确观察结果，但我在替换最后 4 位数字并将结果输入回原始数据框中时遇到了问题。

最后一点:您可能会想，为什么我不简单地将列更改为日期时间类型，然后根据我的需要添加或减去年份呢？如果我尝试这样做，我将遇到错误，因为某些观察的日期为:2/29/2015 -> 您将遇到错误，因为 2015 年期间没有 2 月 29 日!

Answer 1

不要将日期视为字符串。可以先将日期的字符串格式转换为时间戳，然后进行切片。

import pandas ad pd
df.loc[:, 'Date'] = pd.DatetimeIndex(df['Date'], name='Date')
df = df.set_index('Date')
df['2015-09': '2016-02']

更新:

df.loc[:, 'year_month'] = df.Date.map(lambda s: int(s[-4:]+s[:3]))
df.query('201509<=year_month<=201602').drop('year_month', axis=1)

抱歉，我误解了你的问题。

def transform(date_string):
    year = date_string[-4:]
    month = date_string[:2]
    day = date_string[3:5]
    if year== '2016' and month in ['09', '10', '11', '12']:
        return month + '/' + day + '/' + str(int(year)-1)
    elif year == '2015' and month in ['01', '02', '03']:
        return month + '/' + day + '/' + str(int(year)+1)
    else:
        return date_string

df.loc[:, 'Date'] = df.Date.map(transform)