来自多个列的python日期和日期时间

我有一些数据看起来像：

        key  DATE - DAY  DATE - MONTH  DATE - YEAR  GMT HRS  GMT MINUTES  
1        2          29             2         2016        2            2   
2        3          29             2         2016        2            2   
3        4          29             2         2016        2            2   
4        5          29             2         2016        2            2   
5        6          29             2         2016        2            2   
6        7          29             2         2016        2            2   
7        8          29             2         2016        2            3   
8        9          29             2         2016        2            3   
9       10          29             2         2016        2            3   

   GMT SECONDS  
1           54                  
2           55                 
3           56                 
4           57                   
5           58              
6           59          
7            0      
8            1  
9            2 

起初，数据是类型

float

，年份是格式

16

，所以我做了：

t['DATE - MONTH'] = t['DATE - MONTH'].astype(int)
t['DATE - YEAR'] = t['DATE - YEAR'].astype(int)
t['DATE - YEAR'] = t['DATE - YEAR']+2000
t['DATE - DAY'] = t['DATE - DAY'].astype(int)

^注：我也感到困惑，为什么在使用索引号而不是列名时，您只处理似乎是临时表的内容，即您可以打印所需的结果，但它没有更改数据帧

然后我尝试了两种方法：

t['Date'] = pd.to_datetime(dict(year=t['DATE - YEAR'], month = t['DATE - MONTH'], day = t['DATE - DAY']))

t['Date'] = pd.to_datetime((t['DATE - YEAR']*10000+t['DATE - MONTH']*100+t['DATE - DAY']).apply(str),format='%Y%m%d')

两者都返回：

ValueError:无法汇编日期时间：时间数据20000000与格式“%Y%m%d”不匹配（匹配）

我想创建一个日期列（然后在对带有3列的datetime列使用类似的逻辑之后）

有什么问题

---

编辑：我有错误的数据，并添加了

errors='concurve'

来处理这些行

首先重命名所有列，按dict的值过滤并使用：

从数据帧的多个列组装日期时间。这些键可以是常见的缩写，如['year'、'month'、'day'、'minute'、'second'、'ms'、'us'、'ns']）或相同的复数形式

---

详情：

print (df.rename(columns=d)[list(d.values())])
   day  month  second  year  minute  hour
1   29      2      54  2016       2     2
2   29      2      55  2016       2     2
3   29      2      56  2016       2     2
4   29      2      57  2016       2     2
5   29      2      58  2016       2     2
6   29      2      59  2016       2     2
7   29      2       0  2016       3     2
8   29      2       1  2016       3     2
9   29      2       2  2016       3     2

---

相同的错误：

ValueError:无法汇编日期时间：时间数据20000000与格式“%Y%m%d”（匹配）

这意味着有一些坏数据，所以需要

df['datetime']=pd.to_datetime（df.rename（columns=d）[list（d.values（））]，errors='concure'）

-它将不可解析的数据替换为

NaT['DATE-MONTH'].unique（）

和found

Out[164]：数组（[2,3,0,1,4,5]，dtype=int64）

第0个月显然不起作用！

print (df)
   key  DATE - DAY  DATE - MONTH  DATE - YEAR  GMT HRS  GMT MINUTES  \
1    2          29             2         2016        2            2   
2    3          29             2         2016        2            2   
3    4          29             2         2016        2            2   
4    5          29             2         2016        2            2   
5    6          29             2         2016        2            2   
6    7          29             2         2016        2            2   
7    8          29             2         2016        2            3   
8    9          29             2         2016        2            3   
9   10          29             2         2016        2            3   

   GMT SECONDS            datetime  
1           54 2016-02-29 02:02:54  
2           55 2016-02-29 02:02:55  
3           56 2016-02-29 02:02:56  
4           57 2016-02-29 02:02:57  
5           58 2016-02-29 02:02:58  
6           59 2016-02-29 02:02:59  
7            0 2016-02-29 02:03:00  
8            1 2016-02-29 02:03:01  
9            2 2016-02-29 02:03:02  

print (df.rename(columns=d)[list(d.values())])
   day  month  second  year  minute  hour
1   29      2      54  2016       2     2
2   29      2      55  2016       2     2
3   29      2      56  2016       2     2
4   29      2      57  2016       2     2
5   29      2      58  2016       2     2
6   29      2      59  2016       2     2
7   29      2       0  2016       3     2
8   29      2       1  2016       3     2
9   29      2       2  2016       3     2