Python Разделение даты / времени на столбцы «Месяц», «Дата», «Год», «Время»

Question

У меня фрейм данных со столбцом «Дата / Время» выглядит так:

import pandas as pd

example = {'Date/Time' : ['4/1/2014 0:11:00', '4/1/2014 0:17:00', '4/1/2014 0:21:00', '4/1/2014 0:28:00']}

df = pd.DataFrame(example)

Я хочу разделить столбец на 3 различных столбца (месяц, дата, год и время).

Я пытался использовать регулярные выражения на основе кода, который я использовал для моей другой аналогичной проблемы, которая состояла в том, чтобы разбить столбец с «полом, адресом электронной почты, номером телефона» на каждый.

# create gender, phone, email columns by splitting leader contact 
df3[['gender','phone','email']]=df3['Contact'].str.extract('\(([A-Z])\)\s?(\d{3}-\d{3}-\d{4})?\s?(.*)', expand = False)

Я в основном пытался манипулировать частью extract (). Однако мне было слишком сложно это понять. Я не против использовать регулярные выражения или другие пакеты «даты / время».

Для моего исследования будет очень полезно, если кто-нибудь сможет помочь.

Answer 1

df.assign(**{ x: getattr(pd.to_datetime(df['Date/Time']).dt, x.lower()) for x in ['Month', 'Date', 'Year', 'Time']})

          Date/Time  Month        Date  Year      Time
0  4/1/2014 0:11:00      4  2014-04-01  2014  00:11:00
1  4/1/2014 0:17:00      4  2014-04-01  2014  00:17:00
2  4/1/2014 0:21:00      4  2014-04-01  2014  00:21:00
3  4/1/2014 0:28:00      4  2014-04-01  2014  00:28:00

Answer 2

Я опубликую самый простой способ сделать это

df['date'] = pd.to_datetime(df['Date/Time'])

df['month'], df['day'], df['year'], df['time'] = (
    df.date.dt.month, df.date.dt.day, df.date.dt.year, df.date.dt.time)


    Date/Time           date                month   day year    time
0   4/1/2014 0:11:00    2014-04-01 00:11:00 4       1   2014    00:11:00
1   4/1/2014 0:17:00    2014-04-01 00:17:00 4       1   2014    00:17:00
2   4/1/2014 0:21:00    2014-04-01 00:21:00 4       1   2014    00:21:00
3   4/1/2014 0:28:00    2014-04-01 00:28:00 4       1   2014    00:28:00