データフレームの日付列を文字型から日付型へ変更するところで躓いたため、対策を書きました！
変更したいデータ
下の表のように存在しない日付や年度のみが混ざっている列をYYYY-MM-DDの形に変更していきます。
| id | 日付 |
|---|---|
| 0 | 2022/2/20 |
| 1 | 2022/* |
| 2 | 2022/15/6 |
| 3 | 2022/5/6 |
| 4 | 2022/16/10 |
| 5 | 2022/22/25 |
| 6 | 2022/15/6 |
このままto_datetimeをやってみる
なにも加工していないデータを型変更するとValueエラーが発生します。
import pandas as pd
# test用のデータフレーム
df= pd.DataFrame(data={
'id': [0,1,2,3,4,5,6],
'日付':["2022/2/20","2022/*","2022/15/6","2022/5/6", "2022/16/10", "2022/22/25", "2022/15/6"]
})
# 変換
df['日付'] = pd.to_datetime(df['日付'], format='%Y-%m-%d')
ValueError: time data "2022/15/6" at position 1 doesn't match format specified
存在しない日付があるとエラーが出てしまいす。
下の表の日付達が犯人！
| id | 日付 |
|---|---|
| 1 | 2022/* |
| 2 | 2022/15/6 |
| 4 | 2022/16/10 |
| 5 | 2022/22/25 |
| 6 | 2022/15/6 |
errorsを設定して解決
to_datetimeにerrors='coerce'を追加してあげるだけ！
これで存在しない日付はNaTに変換してくれます。
df['日付'] = pd.to_datetime(df['日付'], format='%Y-%m-%d',errors='coerce')
おまけ
NaTは直前の値を入れることで埋めました!
df['日付'] = pd.to_datetime(df['日付'], format='%Y-%m-%d',errors='coerce')
| id | 日付 |
|---|---|
| 0 | 2022-02-20 |
| 1 | 2022-02-20 |
| 2 | 2022-02-20 |
| 3 | 2022/05/06 |
| 4 | 2022/05/06 |
| 5 | 2022/05/06 |
| 6 | 2022/05/06 |
終わりに
簡単にValueErrorを解決する方法を書きました。
初学者なので情報に誤りがあるかもしれません。
ご容赦ください🙇
最後まで読んでいただきありがとうございます！
参考ページ