將數字的函數應用於pandas.series的快速方法

Question

這裏針對特定情況描述了該問題，但對於許多類似的項目來說這將是有價值的。

一個pandas.series稱爲個月包含每個樣本的月份日期的INT格式（1,2,3,4，...）。我想將它改成「01,02,03，... 12」的樣式，然後再添加一年。

使用「{0：0 = 2D}」 的格式（A）和環，該系列值可以很容易地轉化：

df['date'] = np.nan 
for i in range(0,len(df),1): 
    df.date.iloc[i] = df.year.iloc[i] +"-"+'%2d'%df.month.values.iloc[i] 
### df.date is a new series contain the year-month('2017-01','2017-02') 

但循環策略是未效率，是有沒有簡單的方法來實現相同的目標？

Answer 1

您可以轉換個月到str類型，然後使用str.zfill：

month = pd.Series([1,2,12]) 

month.astype(str).str.zfill(2) 

#0 01 
#1 02 
#2 12 
#dtype: object 

要使用一年串連它：

df.year.astype(str) + '-' + df.month.astype(str).str.zfill(2) 

Answer 2

您可以使用apply：

month.apply("{0:0=2d}".format) 

TIMIN克

• Psidom的方法

％timeit month.astype（STR）.str.zfill（2）

10循環，最好的3：每次循環39.1毫秒

• 此方法：

％timeit month.apply（ 「{0：0 = 2D}」 的格式。）

100個循環，最好的3：每次循環7.93毫秒

df = pd.DataFrame({'month':pd.np.random.randint(1,12,10000),'year':pd.np.random.choice([i for i in range(2004,2017)],10000)}) 

df.year.astype(str) + '-' + df.month.apply("{0:0=2d}".format) 

輸出：

0  2014-10 
1  2012-04 
2  2015-03 
3  2014-05 
4  2007-03 
5  2008-04 

Answer 3

您可以在具有相應命名列的數據框上使用pd.to_datetime來創建一系列日期時間對象。

考慮數據框df

df = pd.DataFrame(dict(year=[2011, 2012], month=[3, 4])) 
df 

    month year 
0  3 2011 
1  4 2012 

所有我們缺少的是day列。如果再加上它，我們可以把它傳遞給pd.to_datetime

pd.to_datetime(df.assign(day=1)) 

0 2011-03-01 
1 2012-04-01 
dtype: datetime64[ns] 

---

嗯，這很方便。怎麼辦？

pd.to_datetime(df.assign(day=1)).apply('{:%Y-%m}'.format) 

0 2011-03 
1 2012-04 
dtype: object 

或者

pd.to_datetime(df.assign(day=1)).dt.strftime('%Y-%m') 

0 2011-03 
1 2012-04 
dtype: object 

---

創建一個新的列

df.assign(year_month=pd.to_datetime(df.assign(day=1)).dt.strftime('%Y-%m')) 

    month year year_month 
0  3 2011 2011-03 
1  4 2012 2012-04 

---

但是，我們可以剛纔做

df.assign(year_month=df.apply(lambda x: '{year}-{month:02d}'.format(**x), 1)) 

    month year year_month 
0  3 2011 2011-03 
1  4 2012 2012-04