今
日
鸡
汤
落叶人何在，寒云路几层。
大家好，我是Python进阶者。
一、前言
前几天在Python最强王者交流群【老松鼠】问了一道Pandas时间处理的问题，如下图所示。
二、实现过程
一开始以为只是每个数据先加个31后缀，之后日期格式化转换一下应该就可以了，后来发现每个月天数不一样，不可以一概而论，后来才知道，原来有现成的函数。
这里【瑜亮老师】给了两个方法，一起来学习下吧！
方法一
代码如下：
import pandas as pd
from pandas.tseries.offsets import MonthEnd
df = pd.DataFrame({'date': ['2022-01', '2022-02', '2022-03', '2022-04', '2022-05', '2022-06', '2022-07']})
df['new_date'] = df['date'].astype('datetime64').map(MonthEnd())
print(df)运行结果如下图所示：
方法二
至于像202201这样格式的时间字符串，【瑜亮老师】做了一下转换，然后继续使用类似上面的方法，实现需求。
import pandas as pd
from pandas.tseries.offsets import MonthEnd
df = pd.DataFrame({'date': ['202201', '202202', '202203', '202204', '202205', '202206', '202207']})
df['new_date'] = pd.to_datetime(df['date'], format='%Y%m').map(MonthEnd())
print(df)运行之后，结果如下图所示：
不过后来【月神】在测试的时候发现，当日期是本月的最后一天，转变后会变成下月的最后一天，有点偏移误差。
后来【瑜亮老师】还给了一个思路，无需额外导包，不添加任何依赖，如下所示。
后来【老松鼠】自己给了一份代码，他自己觉得方法有点儿笨，但是结果和效率也还算可以，如下图所示。
后来【月神】针对批量数据，又多方面进行了尝试，如下所示：
后来发现用加号就快了很多。
针对效率方面，【月神】也给出了自己的看法，真的学习了！
这个加号，【月神】也举了一个例子，来帮助大家理解。
三、总结
大家好，我是Python进阶者。这篇文章主要盘点了一道Pandas时间处理的问题，文中针对该问题给出了具体的解析和代码实现，帮助粉丝顺利解决了问题。