Python 在多个列中转换SAS日期时间

我正试图学习Python，来自SAS背景。
我导入了一个SAS数据集，我注意到有多个日期列作为SAS日期（我相信）。 环顾四周，我发现了一个链接，它解释了如何执行此（）操作：

代码如下：

alldata['DateFirstOnsite'] = pd.to_timedelta(alldata.DateFirstOnsite, unit='s') + pd.datetime(1960, 1, 1)

但是，我想知道如何对多个列执行此操作。如果我有多个日期字段，而不是重复这行代码多次，我可以创建一个字段列表，然后在该字段列表上运行此代码吗？这是怎么做到的

---

提前感谢

如果我正确阅读了您的问题，您想将代码应用于多列吗？要做到这一点，请执行以下操作：

alldata['col1'、'col2'、'col3']='your\u code\u here'

Exmaple：

import pandas as pd
import numpy as np
df = pd.DataFrame({'A' : [np.NaN,np.NaN,3,4,5,5,3,1,5,np.NaN], 
                    'B' : [1,0,3,5,0,0,np.NaN,9,0,0], 
                    'C' : ['Pharmacy of IDAHO','Access medicare arkansas','NJ Pharmacy','Idaho Rx','CA Herbals','Florida Pharma','AK RX','Ohio Drugs','PA Rx','USA Pharma'], 
                    'D' : [123456,123456,1234567,12345678,12345,12345,12345678,123456789,1234567,np.NaN],
                    'E' : ['Assign','Unassign','Assign','Ugly','Appreciate','Undo','Assign','Unicycle','Assign','Unicorn',]})

df[['E', 'D']] = 1 # <---- notice double brackets
print(df)

     A    B                         C  D  E
0  NaN  1.0         Pharmacy of IDAHO  1  1
1  NaN  0.0  Access medicare arkansas  1  1
2  3.0  3.0               NJ Pharmacy  1  1
3  4.0  5.0                  Idaho Rx  1  1
4  5.0  0.0                CA Herbals  1  1
5  5.0  0.0            Florida Pharma  1  1
6  3.0  NaN                     AK RX  1  1
7  1.0  9.0                Ohio Drugs  1  1
8  5.0  0.0                     PA Rx  1  1
9  NaN  0.0                USA Pharma  1  1

将熊猫作为pd导入
将numpy作为np导入
df=pd.DataFrame（{'A'：[np.NaN，np.NaN，3,4,5,5,3,1,5，np.NaN]，
“B”：[1,0,3,5,0,0，np.NaN，9,0,0]，
‘C’：[‘爱达荷州药房’、‘阿肯色州医疗保险’、‘NJ药房’、‘爱达荷Rx’、‘CA草药’、‘佛罗里达制药’、‘AKRX’、‘俄亥俄州药品’、‘PA Rx’、‘美国制药’]，
“D”：[1234561234567123456712345678234567891234567，np.NaN]，
‘E’：[‘分配’、‘取消分配’、‘分配’、‘丑陋’、‘欣赏’、‘撤销’、‘分配’、‘独轮车’、‘分配’、‘独角兽’、]}
df[['E'，'D']]=1 35;是的，可以创建一个列表并遍历该列表以将SAS日期字段转换为datetime。但是，我不确定为什么要使用
to_timedelta
方法，除非SAS日期字段在1960/01/01之后用秒表示。如果您计划使用
to_timedelta
方法，那么只需创建一个函数，将您的
df
和字段传递到函数中：

def convert_SAS_to_datetime(df, field):
    df[field] = pd.to_timedelta(df[field], unit='s') + pd.datetime(1960, 1, 1)
    return df

for field in my_list:
    my_df = convert_SAS_to_datetime(my_df, field)

现在，假设您有一个字段列表，您知道这些字段应该转换为datetime字段（以及df）：

现在，您可以使用
for
循环遍历列表，同时将这些字段和df传递给函数：

def convert_SAS_to_datetime(df, field):
    df[field] = pd.to_timedelta(df[field], unit='s') + pd.datetime(1960, 1, 1)
    return df

for field in my_list:
    my_df = convert_SAS_to_datetime(my_df, field)

现在，我推荐的另一种方法是使用该方法，但这假设您知道日期字段的SAS格式

e、 g.
2016年1月1日#日期9格式

此时，您可能需要查看文档以确定转换日期的指令。如果是
date9
格式，则可以使用：

df[field] = pd.to_datetime(df[date9field], format="%d%b%Y")

谢谢你，马特。不完全是我想要的，但是下面的回复非常有效。谢谢你花时间帮忙。