Pandas模块 --- 字符与日期型数据的处理

1，pd.to_datetime( 要转换的日期, format= ),

2，pd.to_datetime.today( ).year  ，pd.to_datetime.now( ).year

3，字符串的astype方法：字段类型转换，

4，日期.dt.year  ：必须加dt

5，删除字段： df. drop ([ ] , axis=1, inplace=True)

df是数据框的名字，列表[  ] 里是要删除的字段名，

axis=1表示在水平方向，因为默认drop方法是用来删除数据库中的行记录，

inplace=True表示会影响原数组

6，序列的apply ( )  方法  ,  apply( func= , )

7，序列使用.str后，可以转换为字符串类型

df=pd.read_excel(r'E:\Python学习资料\data_test03.xlsx')
# print(df)
print("df的类型：",type(df))
print("数据集DataFrame的维数：",df.ndim)
print("元素类型：\n",df.dtypes)
print("\n元素个数：",df.size)

#转换字段的数据类型
df.birthday=pd.to_datetime(df.birthday,format='%Y-%m-%d')
df.tel=df.tel.astype("str")

#将手机号中间4位隐藏起来
df.tel=df.tel.apply(func=lambda x:x.replace(x[3:7],"*****"))

#添加域名domain，年龄age，工龄workage，专业profession
df['domain']=df.email.apply(func=lambda x:x.split("@")[1])
df['age']=pd.datetime.today().year-df.birthday.dt.year
df['workage']=pd.datetime.today().year-df.birthday.dt.year
df['profession']=df.other.str.findall("专业：(.*?)，")
#这种方法能去掉专业外面的 中括号
df['major']=df.other.str.findall("专业：(.*?)，").str[0]

#删除'birthday','start_work','other'这几个变量
df.drop(['birthday','start_work','other'],axis=1,inplace=True)

#各种操作之后的数据集
print("\n",df)