Python 将字符串转换为日期，并删除数据框一列中的非日期

我有一个数据框，我从一列拆分成两列，如下所示

df_all_files = pd.DataFrame(df_all_files.string.str.split('.',1).tolist(), columns = ['string','the_date'])

这给了我一堆文件扩展名和一堆日期，都在同一列中。我想强制任何看起来可能是日期的东西变成实际日期，并删除任何不是日期的东西。这可行吗

这是我的样品

                                                                     string     the_date

-rw-r--r--   64 30067    10224         616 Nov 01 17:46 ASEJPN_ModelHolidays    20181101
-rw-r--r--   64 30067    10224         616 Dec 03 19:23 ASEJPN_ModelHolidays    20181201
-rw-r--r--   74 30067    10224        4938 Oct 04 03:28 AS1181003               RATE

这就是我想要的

                                                                     string     the_date

-rw-r--r--   64 30067    10224         616 Nov 01 17:46 ASEJPN_ModelHolidays    20181101
-rw-r--r--   64 30067    10224         616 Dec 03 19:23 ASEJPN_ModelHolidays    20181201
-rw-r--r--   74 30067    10224        4938 Oct 04 03:28 AS1181003               181003

现在，我在经营这条航线

df_all_files['the_date'] = df_all_files['the_date'].dt.date

我得到了这个错误

AttributeError: Can only use .dt accessor with datetimelike values

ValueError: ('Unknown string format:', 'ach1')

我也试过这个

df_all_files['the_date'] = df_all_files['string'].astype('datetime64[ns]')

一旦它遇到非日期，它就会给我这个错误

AttributeError: Can only use .dt accessor with datetimelike values

ValueError: ('Unknown string format:', 'ach1')

用于首先将序列转换为

datetime

，使用

errors='concurve'

确保将不可转换的值替换为

NaN

：

df_all_files['the_date'] = pd.to_datetime(df_all_files['the_date'], errors='coerce').dt.date

但是，我强烈建议您避免转换为

dt.date

，因为这会将序列转换为

datetime.date

对象的

dtype序列，而不是有效的
datetime
序列

下面是使用Python
datetime.date
或
datetime.datetime
对象与Pandas一起使用时导致的4个问题示例：





哦，老兄，我喜欢这个！！这正是我想要的！！非常感谢！！我还有一个问题。在我最初的帖子中，一些日期在最后一个“”字符之后，因此我提出了一个行程序：df_all_files=pd.DataFrame（df_all_files.string.str.rsplit（“”，1.tolist（），columns=['string'，'the_date']），它将“\u”字符之后的日期解析到下一列，但它会覆盖该列中的任何日期。我怎样才能将三个日期移到名为“the_dates”（190103、190104和190107）的列中，而跳过“CountryHolidays”，因为“the_dates”列中已经有实际日期了？@ryguy72，对不起，我无法理解这个问题。我建议你发布一个新问题，上面有你尝试过的内容。