Python 如何使用pandas.to“datetime with”；“奇怪”；字符串格式

我正在尝试使用pandas.to_datetime将pandas数据框的列从字符串类型转换为datetime。 col的值具有以下格式：

2017年第一季度

其中，“Q”是一年中的季度，“17”是2017年

该列中还有null的值（我可以删除日期为空的整行）

我试图解决这个问题，剔除季度，只考虑年度，但我无法以这种方式将16年转换为2016年：

df_cpu["Launch_Date"] = [str(x) for x in df_cpu["Launch_Date"]]
df_cpu["Launch_Date"] = [x[3:5] for x in df_cpu["Launch_Date"]]
df_cpu["Launch_Date"] = [int(x) for x in df_cpu["Launch_Date"]]
df_cpu["Launch_Date"] = pd.to_datetime(df_cpu["Launch_Date"],    format('%Y'))

即使这样也不行：

df_cpu["Launch_Date"] = pd.to_datetime(df_cpu["Launch_Date"], format('Q*\'%Y'))

因为我得到了这个错误：

ValueError:（“未知字符串格式：”，“Q3'16”）

我应该如何解决这个问题

---

我希望有以下类型的输出：如果每个示例的值是“Q1'16”，我希望有“01-01-2016”。

您可以

将字符串的第一部分映射到一个值，该值可以在
to_datetime
之后使用，例如：

df_cpu = pd.DataFrame({'Launch_Date':["Q1'17", "Q3'16"]})
dict_Q = {"Q1": '01-01-', "Q3": '07-01-'}

print (pd.to_datetime( df_cpu["Launch_Date"].str[:2].map(dict_Q) #replace Qx by a first of month
                       + df_cpu["Launch_Date"].str[3:])) #get the year independtly

0   2017-01-01
1   2016-07-01
Name: Launch_Date, dtype: datetime64[ns]

别忘了用您想要的正确值添加Q2和Q4 int
dict_Q
，我不擅长日期时间格式转换，但这里有一个解决方案应该可以工作。但我不能说这是最有效的。我将编写一个函数，以您喜欢的格式返回日期时间，在数据帧上使用“apply”方法

请注意，下面的函数假定年份始终为20--，并且输出为字符串。根据需要更改输出数据类型

def new_date(arr):
    if isinstance(arr, str):
        quarter = {'Q1':'01-01-', 'Q2':'04-01-', 'Q3':'07-01-', 'Q4':'10-01-'}
        x, y = arr.split("'")[0], arr.split("'")[1]
        x_new = quarter[x]
        y_new = '20'+y
        return x_new + y_new
    else:
        pass

df_cpu["Launch_Date"] = df_cpu["Launch_Date"].apply(new_date)

还请注意，“is_instance”条件仅用于处理NaN值。如果使用pd.dropna（），则不需要它。
考虑到：

1） 提供的数据：

df_cpu = pd.DataFrame(["Q1'17","Q3'16"], columns=['Launch_Date'])

2） “启动日期”列的长度始终为5

您可以使用将季度添加到每年的第一天：

>> pd.to_datetime(df_cpu.Launch_Date.str[3:5],format='%y') + np.multiply(pd.offsets.QuarterBegin(startingMonth=1), df_cpu.Launch_Date.str[1:2].values.astype(int)-1)
0   2017-01-01
1   2016-07-01
Name: Launch_Date, dtype: datetime64[ns]