Большая часть информации, которую я нашел, была не в python > pandas > dataframe, отсюда и вопрос.
Я хочу преобразовать целое число от 1 до 12 в сокращенное название месяца.
У меня есть df, который выглядит так:
client Month
1 sss 02
2 yyy 12
3 www 06
Я хочу, чтобы df выглядел так:
client Month
1 sss Feb
2 yyy Dec
3 www Jun
Вы можете сделать это эффективно, комбинируя calendar.month_abbr и df[col].apply().
import calendar
df['Month'] = df['Month'].apply(lambda x: calendar.month_abbr[x])
list.__getitem__ в цикле на уровне Python, т. е. оно не использует преимущества векторизованной функциональности, доступной для Pandas. Извлечение в словарь и последующее сопоставление намного эффективнее, согласно этому ответу.
- person jpp; 22.01.2019
Поскольку сокращенные названия месяцев представляют собой первые три буквы их полных имен, мы могли бы сначала преобразовать столбец Month в datetime, а затем использовать dt.month_name() для получения полного названия месяца и, наконец, использовать метод str.slice() для получения первых трех букв, все с использованием панд и только в одной строке кода:
df['Month'] = pd.to_datetime(df['Month'], format='%m').dt.month_name().str.slice(stop=3)
df
Month client
0 Feb sss
1 Dec yyy
2 Jun www
Вы можете легко сделать это с применением столбца.
import pandas as pd
df = pd.DataFrame({'client':['sss', 'yyy', 'www'], 'Month': ['02', '12', '06']})
look_up = {'01': 'Jan', '02': 'Feb', '03': 'Mar', '04': 'Apr', '05': 'May',
'06': 'Jun', '07': 'Jul', '08': 'Aug', '09': 'Sep', '10': 'Oct', '11': 'Nov', '12': 'Dec'}
df['Month'] = df['Month'].apply(lambda x: look_up[x])
df
Month client
0 Feb sss
1 Dec yyy
2 Jun www
def mapper(month):
return month.strftime('%b')
df['Month'] = df['Month'].apply(mapper)
Ссылка:
Один из способов сделать это — использовать метод apply в фрейме данных, но для этого вам нужна карта для преобразования месяцев. Вы можете сделать это либо с помощью функции/словаря, либо с собственной датой и временем Python.
С datetime это будет что-то вроде:
def mapper(month):
date = datetime.datetime(2000, month, 1) # You need a dateobject with the proper month
return date.strftime('%b') # %b returns the months abbreviation, other options [here][1]
df['Month'].apply(mapper)
Аналогичным образом вы можете создать свою собственную карту для пользовательских имен. Это будет выглядеть так:
months_map = {01: 'Jan', 02: 'Feb'}
def mapper(month):
return months_map[month]
Очевидно, вам не нужно явно определять эти функции, и вы можете использовать lambda непосредственно в методе применения.
Используйте для этого функции strptime и lambda:
from time import strptime
df['Month'] = df['Month'].apply(lambda x: strptime(x,'%b').tm_mon)
Модуль calendar полезен, но calendar.month_abbr похож на массив: его нельзя использовать напрямую в векторном виде. Для эффективного сопоставления вы можете создать словарь, а затем использовать pd.Series.map:
import calendar
d = dict(enumerate(calendar.month_abbr))
df['Month'] = df['Month'].map(d)
Сравнительный анализ производительности показывает разницу в производительности примерно в 130 раз:
import calendar
d = dict(enumerate(calendar.month_abbr))
mapper = calendar.month_abbr.__getitem__
np.random.seed(0)
n = 10**5
df = pd.DataFrame({'A': np.random.randint(1, 13, n)})
%timeit df['A'].map(d) # 7.29 ms per loop
%timeit df['A'].map(mapper) # 946 ms per loop
Предположим, у нас есть такой DF, и Date уже находится в формате DateTime:
df.head(3)
value
date
2016-05-19 19736
2016-05-26 18060
2016-05-27 19997
Затем мы можем легко извлечь номер месяца и название месяца следующим образом:
df['month_num'] = df.index.month
df['month'] = df.index.month_name()
value year month_num month
date
2017-01-06 37353 2017 1 January
2019-01-06 94108 2019 1 January
2019-01-05 77897 2019 1 January
2019-01-04 94514 2019 1 January
Я удивлен, что этот ответ не имеет решения с использованием strftime
обратите внимание, что перед использованием метода strftime вам необходимо иметь действительный объект datetime, используйте pd.to_datetime(df['date_column']), чтобы привести целевой столбец к объекту datetime.
import pandas as pd
dates = pd.date_range('01-Jan 2020','01-Jan 2021',freq='M')
df = pd.DataFrame({'dates' : dates})
df['month_name'] = df['dates'].dt.strftime('%b')
dates month_name
0 2020-01-31 Jan
1 2020-02-29 Feb
2 2020-03-31 Mar
3 2020-04-30 Apr
4 2020-05-31 May
5 2020-06-30 Jun
6 2020-07-31 Jul
7 2020-08-31 Aug
8 2020-09-30 Sep
9 2020-10-31 Oct
10 2020-11-30 Nov
11 2020-12-31 Dec
другой метод - нарезать имя с помощью dt.month_name()
df['month_name_str_slice'] = df['dates'].dt.month_name().str[:3]
dates month_name month_name_str_slice
0 2020-01-31 Jan Jan
1 2020-02-29 Feb Feb
2 2020-03-31 Mar Mar
3 2020-04-30 Apr Apr
4 2020-05-31 May May
5 2020-06-30 Jun Jun
6 2020-07-31 Jul Jul
7 2020-08-31 Aug Aug
8 2020-09-30 Sep Sep
9 2020-10-31 Oct Oct
10 2020-11-30 Nov Nov
11 2020-12-31 Dec Dec
Протестировав все это на большом наборе данных, я обнаружил, что быстрее всего работает следующее:
import calendar
def month_mapping():
# I'm lazy so I have a stash of functions already written so
# I don't have to write them out every time. This returns the
# {1:'Jan'....12:'Dec'} dict in the laziest way...
abbrevs = {}
for month in range (1, 13):
abbrevs[month] = calendar.month_abbr[month]
return abbrevs
abbrevs = month_mapping()
df['Month Abbrev'} = df['Date Col'].dt.month.map(mapping)
Вы можете использовать функцию Pandas month_name(). Пример:
>>> idx = pd.date_range(start='2018-01', freq='M', periods=3)
>>> idx
DatetimeIndex(['2018-01-31', '2018-02-28', '2018-03-31'],
dtype='datetime64[ns]', freq='M')
>>> idx.month_name()
Index(['January', 'February', 'March'], dtype='object')
Для получения более подробной информации посетите эту ссылку.
