数据库 日期格式转换-oracle日期转换字符串格式

大数据时代，数据在互联网上随处堆积，自由生长，没有标准，哪怕是一个日期，也有几种格式。 比如某网站有一年内美元和人民币汇率的历史数据（已经下载为excel文件，用pd.read_excel语句转换成dataframe）。 日期的格式如图1所示：

data = pd.read_excel('美元人民币.xlsx', sheet_name='HistoryExchangeReport')
data = data[['日期', '比率']] 

图1

通常处理的日期格式通常是yyyymmdd，或者yyyy-mm-dd。 Excel 做起来并不容易。 网上没有查python的好办法。 只能想了一天多，终于让我找到了解决办法。 总共使用了 6 个句子来实现目标。

我用python pandas一年多了，在找到这个方法之前对字符操作和lambda函数很熟悉数据库 日期格式转换，所以想分享一下我的经验。

下面四句的作用是根据日期列生成年月日列，使用if语句。 如果月或日的长度为1，则在前面加0，使一位数转换为两位数。 效果如下图二。

data['日期'] = data['日期'].str.split('/')
data['year'] = data['日期'].apply(lambda x: x[0])
data['month'] = data['日期'].apply(lambda x: x[1] if len(x[1]) == 2 else str(0) + x[1])
data['day'] = data['日期'].apply(lambda x: str(0) + x[2][0:-4] if len(x[2][0:-4]) == 1 else x[2][0:-4])

图二

然后将年、月、日列合并为一个新列“trade_date”，格式为yyyymmdd。

data['trade_date'] = data['year'] + data['month'] + data['day']

图三

最后只取需要的列数据库 日期格式转换，效果如图4所示。

data = data[['trade_date', '比率']]

图四

推荐一个 Python Pandas 教程。 学好pandas，各种数据分析都不怕！