标签：数据分析 style div 转换 class das dataframe 年龄 范围
数据挖掘比赛中，获得的数据中可能有个人的生日，在数据分析中并不需要生日，而是需要年龄。不同年龄会呈现不同的状态，比如收入、健康、居住条件等，年龄能够很好的把不同样本的差异性进行大范围的划分。下面讲述如果将生日转年龄：
# -*- coding: utf-8 -*- # 生成数据 import pandas as pd data = {‘birth‘:[‘2011/12/01‘,‘2012/12/02‘,‘2012/12/03‘,‘2012/12/04‘,‘2012/12/05‘]} frame = pd.DataFrame(data) print(frame) """ birth 0 2011/12/01 1 2012/12/02 2 2012/12/03 3 2012/12/04 4 2012/12/05 """ # 转换为标准时间格式 frame[‘birth‘] = pd.to_datetime(data[‘birth‘]) print(frame) """ birth 0 2011-12-01 1 2012-12-02 2 2012-12-03 3 2012-12-04 4 2012-12-05 """ # 获取当前年份 import datetime now_year = datetime.datetime.today().year print(now_year) """ 2018 """ # 生日转换为年龄 frame[‘age‘] = now_year - frame[‘birth‘].datetime.year print(frame[‘age‘])
标签：数据分析 style div 转换 class das dataframe 年龄 范围
原文地址：https://www.cnblogs.com/wanglei5205/p/8971105.html
