如何把pandas某时间列改成年份

您可以使用 Pandas 的 dt 属性来获取时间的年份，然后将其赋给特定的列。下面是一些可能的代码实现：

import pandas as pd

# 创建一个示例数据框
df = pd.DataFrame({'时间列': ['2021-02-12 10:03:43', '2022-05-22 14:23:12', '2023-08-08 08:08:08']})

# 将时间列转换为Pandas的时间类型
df['时间列'] = pd.to_datetime(df['时间列'])

# 使用dt.year属性获取年份
df['年份列'] = df['时间列'].dt.year

# 删除原始列
df = df.drop('时间列', axis=1)

# 打印结果
print(df)

这将创建一个新列 '年份列'，其中包含从原始 '时间列' 中提取的年份信息。

请注意，您需要针对自己的数据的格式进行适当的格式设置，以便 Pandas 正确地解释日期时间信息。

相关问题

把pandas某一列移动到第一列

可以使用以下代码将Pandas数据框中的某一列移动到第一列：

import pandas as pd

# 创建示例数据框
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# 将列C移动到第一列
cols = list(df.columns)
cols.insert(0, cols.pop(cols.index('C')))
df = df.loc[:, cols]

print(df)

输出结果：

   C  A  B
0  7  1  4
1  8  2  5
2  9  3  6

首先，我们将所有列的名称存储在一个列表中。然后，我们使用 `index()` 方法找到要移动的列的索引，并将其从列表中弹出。接下来，我们使用 `insert()` 方法将该列的名称插入到列表的第一个位置。最后，我们使用 `loc` 操作符对数据框的列进行重新排序。

pandas把某列值变成数字

要将pandas中的某列值转换为数字，可以使用astype()方法将该列转换为所需的数字类型。假设你的数据框名为df，要将列A转换为整数类型，可以使用以下代码：

df['A'] = df['A'].astype(int)

如果要将列A转换为浮点数类型，可以使用以下代码：

df['A'] = df['A'].astype(float)

如果你不确定该列中是否存在非数字值，可以先使用to_numeric()方法将其转换为数字，再使用astype()方法转换为所需的数字类型。例如，要将列A转换为整数类型并处理可能存在的非数字值，可以使用以下代码：

df['A'] = pd.to_numeric(df['A'], errors='coerce').astype(int)

这将把所有非数字值转换为NaN，并将其余值转换为整数类型。