Como extrair mês e ano separadamente da coluna de data e hora em Pandas

  1. pandas.Series.dt.year() e pandas.Series.dt.month() Métodos para extrair mês e ano
  2. strftime() Método de extração de ano e mês
  3. pandas.DatetimeIndex.month e pandas.DatetimeIndex.year para extrair ano e mês

Podemos extrair ano e mês da coluna Datetime utilizando os métodos pandas.Series.dt.year() e pandas.Series.dt.month(), respectivamente. Se os dados não estiverem no tipo Datetime, precisamos convertê-los primeiramente para Datetime. Também podemos extrair ano e mês utilizando o método pandas.DatetimeIndex.month junto com o método pandas.DatetimeIndex.year e strftime() .

pandas.Series.dt.year() e pandas.Series.dt.month() Métodos para extrair mês e ano

Os métodos pandas.Series.dt.year() e pandas.Series.dt.month()aplicados em Datetime retornam NumPy array de ano e mês respectivamente da entrada Datetime no objeto série.

import pandas as pd
import numpy as np
import datetime

list_of_dates = ['2019-11-20', '2020-01-02', '2020-02-05','2020-03-10','2020-04-16']
employees=['Hisila', 'Shristi','Zeppy','Alina','Jerry']
df = pd.DataFrame({'Joined date': pd.to_datetime(list_of_dates)},index=employees)

df['Year'] = df['Joined date'].dt.year 
df['Month'] = df['Joined date'].dt.month 
print(df)

Resultado:

        Joined date  Year  Month
Hisila   2019-11-20  2019     11
Shristi  2020-01-02  2020      1
Zeppy    2020-02-05  2020      2
Alina    2020-03-10  2020      3
Jerry    2020-04-16  2020      4

Entretanto, se a coluna não for do tipo Datetime, devemos primeiro converter a coluna para o tipo Datetime utilizando o método to_datetime().

import pandas as pd
import numpy as np
import datetime

list_of_dates = ['11/20/2019', '01/02/2020', '02/05/2020','03/10/2020','04/16/2020']
employees=['Hisila', 'Shristi','Zeppy','Alina','Jerry']
df = pd.DataFrame({'Joined date': pd.to_datetime(list_of_dates)},index=employees)
df['Joined date']= pd.to_datetime(df['Joined date']) 

df['Year'] = df['Joined date'].dt.year 
df['Month'] = df['Joined date'].dt.month 
print(df)

Resultado:

        Joined date  Year  Month
Hisila   2019-11-20  2019     11
Shristi  2020-01-02  2020      1
Zeppy    2020-02-05  2020      2
Alina    2020-03-10  2020      3
Jerry    2020-04-16  2020      4

strftime() Método de extração de ano e mês

O método strftime() toma os códigos de formato como entrada e retorna uma string representando o formato específico especificado na saída. Utilizamos %Y e %m como códigos de formato para extrair ano e mês.

import pandas as pd
import numpy as np
import datetime

list_of_dates = ['2019-11-20', '2020-01-02', '2020-02-05','2020-03-10','2020-04-16']
employees=['Hisila', 'Shristi','Zeppy','Alina','Jerry']
df = pd.DataFrame({'Joined date': pd.to_datetime(list_of_dates)},index=employees)

df['year'] = df['Joined date'].dt.strftime('%Y')
df['month'] = df['Joined date'].dt.strftime('%m')

print(df)

Resultado:

        Joined date  year month
Hisila   2019-11-20  2019    11
Shristi  2020-01-02  2020    01
Zeppy    2020-02-05  2020    02
Alina    2020-03-10  2020    03
Jerry    2020-04-16  2020    04

pandas.DatetimeIndex.month e pandas.DatetimeIndex.year para extrair ano e mês

Outra abordagem simples para extrair o mês e o ano da coluna Datatime é recuperando valores de atributos de ano e mês de objetos da classe pandas.DatetimeIndex.

import pandas as pd
import numpy as np
import datetime

list_of_dates = ['2019-11-20', '2020-01-02', '2020-02-05','2020-03-10','2020-04-16']
employees=['Hisila', 'Shristi','Zeppy','Alina','Jerry']
df = pd.DataFrame({'Joined date': pd.to_datetime(list_of_dates)},index=employees)

df['year'] = pd.DatetimeIndex(df['Joined date']).year
df['month'] = pd.DatetimeIndex(df['Joined date']).month

print(df)

Resultado:

        Joined date  Year  Month
Hisila   2019-11-20  2019     11
Shristi  2020-01-02  2020      1
Zeppy    2020-02-05  2020      2
Alina    2020-03-10  2020      3
Jerry    2020-04-16  2020      4

A classe pandas.DatetimeIndex é uma imutável ndarray de dados datetime64. Ela possui atributos como ano, mês, dia, etc.