def handle_time(t, replaced_str): return re.sub("(\d{4}-\d{2}-)(\d{2})(.*)", lambda x: x.group(1) + replaced_str + x.group(3), t) def gen_new_data(replaced_str): path = "./data/logs.xlsx" data = pd.read_excel(path) data["_time"] = data["_time"].apply(lambda x: handle_time(x, replaced_str=replaced_str)) data.to_excel("./data/ori_data/new_nginx_data_{}.xlsx".format(replaced_str), index=False, encoding="utf-8")
对 DataFrame 中 _time 列使用 apply处理，如需要传入参数需要使用 lambda，x 代表循环输入的数据，后面为需要传入的参数。
- iterrows(): 按行遍历，将DataFrame的每一行迭代为(index, Series)对，可通过row[name]对元素进行访问。
- itertuples(): 按行遍历，将DataFrame的每一行迭代为元祖，可通过row[name]对元素进行访问，比iterrows()效率高。
- iteritems():按列遍历，将DataFrame的每一列迭代为(列名, Series)对，可通过row[index]对元素进行访问。
apply 中使用 map() 函数
data["_time"] = data["date"].map(str) + " " + data["time"].map(str) # 合并两列
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/225010.html原文链接：https://javaforall.net
