我們?cè)谧鰯?shù)據(jù)挖掘項(xiàng)目或大數(shù)據(jù)競(jìng)賽時(shí)，如果個(gè)體是人的時(shí)候，獲得的數(shù)據(jù)中可能有出生日期的Series，舉個(gè)簡(jiǎn)單例子，比如這樣的一些數(shù)：

# -*- coding: utf-8 -*-import pandas as pdfrom pandas import Series, DataFrameimport numpy as npimport seaborn as snsimport matplotlib.pyplot as plt %matplotlib inlinedata = {'birth': ['10/8/00', '7/21/93', '6/14/01', '5/18/99', '1/5/98']}frame = DataFrame(data)frame

從數(shù)據(jù)來看，'10/8/00'之類的數(shù)，最左邊的數(shù)表示月份，中間的數(shù)表示日，最后的數(shù)表示年度。

實(shí)際上我們?cè)诜治鰰r(shí)并不需要人的出生日期，而是需要年齡，不同的年齡階段會(huì)有不同的狀態(tài)，比如收入、健康、居住條件等等，且能夠很好地把不同樣本的差異性進(jìn)行大范圍的劃分，而不是像出生日期那樣包含信息量過大且在算法訓(xùn)練時(shí)不好作為有效數(shù)據(jù)進(jìn)行訓(xùn)練，age是一個(gè)很好地特征工程指示變量。

那如何把上述birth數(shù)據(jù)變?yōu)槟挲gage呢？

在這里用到datetime這個(gè)庫(kù)，如下：

（1）首先把birth轉(zhuǎn)化為標(biāo)準(zhǔn)時(shí)間格式

frame['birth'] = pd.to_datetime(frame['birth'])frame

（2）獲取當(dāng)前時(shí)間的年份，并減去birth的年份

import datetime as dtnow_year =dt.datetime.today().year #當(dāng)前的年份frame['age']=now_year-frame.birth.dt.yearframe

在這里使用了dt.datetime.today().year來獲取當(dāng)前日期的年份，然后將birth數(shù)據(jù)中的年份數(shù)據(jù)提取出來（frame.birth.dt.year），兩者相減就得到需要的年齡數(shù)據(jù)，如下：

有時(shí)候我們可能還會(huì)關(guān)注到人的出生月份與要預(yù)測(cè)變量的關(guān)系，比如人的星座就是很流行的一種以出生月份、日份來評(píng)估其對(duì)人的影響，也可以按這種方法去提取月、日數(shù)據(jù)。