集成与管道🔥8.0
清洗混乱日期数据:dd-mm-yyyy等格式的pandas实战
原标题: 清洗混乱日期数据:dd-mm-yyyy等格式的pandas实战
📋总体概括
这是一篇面向数据从业者的pandas实操教程,演示如何清洗混杂日期字段:同列中混有ISO格式、斜杠格式、带序数后缀的英式写法、月份名、点分隔符、Excel序列号(如46340对应2026-11-14)甚至无效文本。作者分三步处理:先去空白并正则去除st/nd/rd/th后缀,再用正则识别5位Excel序列号并以origin='1899-12-30'换算,最后对标准字符串按dayfirst参数用pd.to_datetime统一解析,最终得到规整的datetime列。
⚡关键信息
- ▸样本列混含7种日期形态:ISO、14/11/2026、14th Nov 2026、Nov 14, 2026、Excel序列号46340、2026.11.14及无效文本
- ▸第一步用str.strip与正则r'(\d+)(st|nd|rd|th)'去除序数后缀并清理空白
- ▸第二步用fullmatch(r'\d{5}')识别Excel日期序列号,并以origin='1899-12-30'转datetime
- ▸第三步对普通字符串用pd.to_datetime配合dayfirst=True解析,无效值以errors='coerce'置为NaT
🔥犀利点评
混乱日期是脏数据里最经典也最坑的品类,尤其是Excel序列号混进文本列这种诡异产物。教程思路清晰:先规范化字符串、再按类型分流、最后统一解析,这是可复用的清洗范式。但要提醒一句:dayfirst=True在遇到01/02/2026这类歧义日期时只能赌一个约定,真实生产环境里最好先确认数据来源国别,别指望一个参数包打天下。
📰 相关资讯(与本文相关的其他资讯)
本文由本站自动聚合,以下为原始来源:前往 DevToData 阅读全文 →