python/pandas：将月份int转换为月份名称

我发现的大部分信息都不在python>pandas>dataframe中，因此我提出了这个问题

我想把一个介于1和12之间的整数转换成一个缩写的月份名称

我有一个df，看起来像：

   client Month
1  sss    02
2  yyy    12
3  www    06

我希望df看起来像这样：

   client Month
1  sss    Feb
2  yyy    Dec
3  www    Jun

months_map = {01: 'Jan', 02: 'Feb'}
def mapper(month):
    return months_map[month]

---

使用“应用”列可以轻松完成此操作

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

---

一种方法是在数据帧中使用

apply

方法，但要做到这一点，您需要一个映射来转换月份。您可以使用函数/字典或Python自己的datetime来实现这一点

使用datetime，它将类似于：

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)

同样，您可以为自定义名称构建自己的映射。它看起来是这样的：

   client Month
1  sss    Feb
2  yyy    Dec
3  www    Jun

months_map = {01: 'Jan', 02: 'Feb'}
def mapper(month):
    return months_map[month]

---

显然，您不需要显式定义此函数，并且可以在apply方法中直接使用

lambda

。

您可以通过将

calendar.month\u abbr

和

df[col].apply（）组合起来有效地实现这一点

为此使用
strtime
和
lambda
功能：

from time import strptime
df['Month'] = df['Month'].apply(lambda x: strptime(x,'%b').tm_mon) 

在一个大型数据集上测试了所有这些，我发现以下是最快的：

导入日历
def month_mapping（）：
#我很懒，所以我有一堆已经写过的函数
#我不必每次都写出来。这将返回
#{1:'Jan'..12:'Dec'}以最懒的方式口述。。。
abbrevs={}
对于范围（1,13）内的月份：
abbrevs[month]=日历月
返回abbrevs
abbrevs=月份映射（）
df['Month Abbrev'}=df['Date Col'].dt.Month.map（映射）
由于缩写的月份名称是其全名的前三个字母，我们可以首先将
month
列转换为
datetime
，然后使用
dt.month\u name（）
获得完整的月份名称，最后使用
str.slice（）
获取前三个字母的方法，所有字母均使用熊猫，且仅在一行代码中：

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

该模块很有用，但类似于数组：它不能以矢量化方式直接使用。为了高效映射，您可以构造一个字典，然后使用
pd.Series.map
：

import calendar
d = dict(enumerate(calendar.month_abbr))
df['Month'] = df['Month'].map(d)

性能基准测试显示约130倍的性能差异：

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

参考：



您可以使用Pandas
month\u name（）
函数。示例：

>idx=pd.日期范围（开始时间=2018-01'，频率=M'，周期=3）
>>>idx
日期时间索引（['2018-01-31'，'2018-02-28'，'2018-03-31']，
dtype='datetime64[ns]'，freq='M'）
>>>idx.month_name（）
索引（['一月'，'二月'，'三月']，dtype='object'）

有关更多详细信息，请访问。
假设我们有这样一个DF，并且日期已经是DateTime格式：

df.head(3)


            value   
date        
2016-05-19  19736   
2016-05-26  18060   
2016-05-27  19997   

然后我们可以像这样轻松地提取月号和月名：

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

使用datetime对象方法
我很惊讶这个答案没有使用strftime的解决方案

注意，在使用
strftime
方法之前，您需要有一个有效的datetime对象，使用
pd.to\u datetime（df['date\u column']）
将目标列强制转换为datetime对象

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

另一种方法是使用
dt.month\u name（）

请注意，此解决方案类似于Python级别的循环中的
list.\uuuu getitem\uuuuu
，即它没有利用Pandas可用的矢量化功能。根据，提取到字典，然后映射要高效得多。我认为如果您有Pandas自己的month\u name（）函数，这不是一个好主意。
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