Pandasの日付けの処理について

Question

Pandasで日付けの処理についてお伺いしたいです。
下記のように1セルに年と月と日がまとまって記載されています。

日付	列2	列3
２０２０年３月１０日
２０２０年３月１１日

object型で記載されている

これらを年と月と日で
一つのセルに分けて記載したいです。

年	月	日
2020	3	10
2020	3	11
int型に変更したい。

使用言語はPythonでお願いします。
やり方がわからないので教えてほしいです。

Answer 1

pd.to_datetimeでdatetime64[ns]型に変換し、年月日を取り出してデータフレームに追加する。

補足: 元データが質問時の書き間違い(よくある)ではなく、実際に全角数字で書かれていることが判明したので、それを半角数字に変換するコードを追加。

import pandas as pd
import io

txt = """
日付
２０２０年３月１０日
２０２０年３月１１日
"""

# 日本語の出力を固定幅フォントで揃える設定
pd.set_option('display.unicode.east_asian_width', True)

df = pd.read_csv(io.StringIO(txt))
print(df)

# 日付列の文字列中の全角数字を半角数字に変換後、datetime64[ns]型に変換する
df['日付'] = pd.to_datetime(df['日付'].map(lambda x: x.translate(x.maketrans("０１２３４５６７８９", "0123456789"))), format='%Y年%m月%d日')

# dtアクセサーを使って年月日を取得し、新たな列を追加
df['年'] = df['日付'].dt.year
df['月'] = df['日付'].dt.month
df['日'] = df['日付'].dt.day

# 日付列を削除
df.drop(columns='日付', inplace=True)

print(df)

                   日付
0  ２０２０年３月１０日
1  ２０２０年３月１１日
     年  月  日
0  2020   3  10
1  2020   3  11

Comments

[watchdogs]

Daregada様

早速のご回答ありがとうございます。
テキストファイルではなく、csvの列から読み込ませる場合だと、
df = pd.read_csv(io.StringIO(df['日付']))
になるという認識でよいですか？
しかしうまくいかないので教えていただいてもよろしいでしょうか。

[Daregada]

ファイルから読む場合は、
df = pd.read_csv("ファイル名をココに書く")
です。

[watchdogs]

ありがとうございます。
型変換ができません。
ValueError: time data '２０２０年３月１０日' does not match format '%Y年%m月%d日' (match)
と出てえらが出ます。
解決策がわかりません。
大変お手数ですが教えていただけますでしょうか。
.csvで読み込ませています。

[Daregada]

あー、本当に全角数字で書いてあるんですね。
to_datetimeの第1引数を、
df['日付'].apply(lambda x: x.translate(x.maketrans('０１２３４５６７８９', '0123456789')))
に差し替えてください。

[watchdogs]

そうですね全角で記載されています。
df['日付'] = pd.to_datetime(df['日付'].apply(lambda x: x.translate(x.maketrans('０１２３４５６７８９', '0123456789'))), format='%Y年%m月%d日')
という認識で進めると、
AttributeError: 'float' object has no attribute 'translate'
が出ます。

[Daregada]

失礼、出先だったので実際に動かして確認できませんでした。
applyではなくmapです。

df['日付'] = pd.to_datetime(df['日付'].map(lambda x: x.translate(x.maketrans("０１２３４５６７８９", "0123456789"))), format='%Y年%m月%d日')

[Daregada]

AttributeErrorの原因は、日付の文字列が存在せず、データフレームでは numpy.NaN になっているためかな。NaNはfloatの扱いです。