去除 Y/M/D 格式解析时间的噪音（小时）

Question

我正在解析数据集的日期，但是正在遇到很多 parsererror ，因为小时通常是错误的格式。我决定跳过小时，只关注数年，几个月，

这些都是我约会的变体：

| StartDate |

| --- |

| 2022年3月23日6:00 |

| 2022年3月23日7：0 |

| 2022年3月23日7：|

| 2022年3月23日7 |

目前，只有第一个日期/行用于解析数据。我目前跳过其他行，但是我还想通过排除小时数来包括它们。

for date in df_en['Startdate']:

    try:

        parse(date).date()

    except Exception:

        pass

仍然不必花时间打扰其他日期的正确方法是什么？

我试图将时间转换为有效的小时格式。使用 pd.to_datetime 无法使用，因为时间格式为str 3月不是数字 3 。当手动更改为3时，它仍然给出了错误 value eRror：未转换的数据保留：： 00 。因此，没有几个小时的相关性，我只是想跳过它。

资料来源：

dates = ['December 1, 2021 6:00', 'March 23, 2022 6']

for date in dates:

    date.replace(' (\d{1})', ' 0\\1')

    pd.to_datetime(date, format='%m %d, %Y %H')

    print(date)

endgoal：

|年月|天|

| --- | --- | --- |

| 2022 |三月| 23 |

| 2022 |三月|三月|

Answer 1

如果您只需要年/月/日列，实际上不需要解析为日期时间。只需通过分割和重新排列来处理字符串即可；前任：

import pandas as pd

df = pd.DataFrame({'Startdate': ['December 1, 2021 6:00', 'March 23, 2022 6']})

parts = df['Startdate'].str.split('\ |, ')

df['year'], df['month'], df['day'] = parts.str[2], parts.str[0], parts.str[1]

print(df)
#                Startdate  year     month day
# 0  December 1, 2021 6:00  2021  December   1
# 1       March 23, 2022 6  2022     March  23

Answer 2

我想您可以在此之后倾倒小时部分

dates = ['March 23, 2022 6:00', 'March 23, 2022 7:0', 'March 23, 2022 7:', 'March 23, 2022 7']
pd.to_datetime([' '.join(x.split(' ')[:-1]) for x in dates])

DatetimeIndex(['2022-03-23', '2022-03-23', '2022-03-23', '2022-03-23'], dtype='datetime64[ns]', freq=None)

，您可以做 df ['date']。dt. year 以提取年，月，天