Thep Excel
pandas .dt — ดึงปี/เดือน/วันออกจากคอลัมน์วันที่
pandas .dt accessor ผมใช้สำหรับดึงส่วนต่างๆ ของวันที่ออกจาก datetime Series เช่น ปี เดือน วัน ชื่อวัน หรือไตรมาส เหมือนกับที่ Excel มีฟังก์ชัน YEAR() MONTH() DAY() WEEKDAY() แต่ทำได้กับทั้งคอลัมน์พร้อมกันในคำสั่งเดียวเลยครับ
Series.dt.year
Function Metrics
Popularity
5/10
Difficulty
3/10
Usefulness
5/10
Syntax & Arguments
Series.dt.year
Series
คืนเป็น Series ของค่าที่ดึงออกมาครับ เช่น .dt.year คืน Series ของตัวเลขปี, .dt.day_name() คืน Series ของ string ชื่อวัน — เอาไป assign เป็นคอลัมน์ใหม่ หรือต่อด้วย groupby ได้เลย
| Argument | Type | Required | Default | Description |
|---|---|---|---|---|
| year | property | Optional | ดึงปี (integer) ออกจาก datetime Series — เทียบเท่า YEAR() ใน Excel | |
| month | property | Optional | ดึงเดือน 1-12 ออกจาก datetime Series — เทียบเท่า MONTH() ใน Excel | |
| day | property | Optional | ดึงวันที่ในเดือน 1-31 ออกจาก datetime Series — เทียบเท่า DAY() ใน Excel | |
| dayofweek | property | Optional | ดึงวันในสัปดาห์ 0=Monday ถึง 6=Sunday — เทียบเท่า WEEKDAY() ใน Excel (แต่ index ต่างกัน) | |
| day_name() | method | Optional | คืนชื่อวันเป็น string เช่น ‘Monday’, ‘Tuesday’ — ไม่มีใน Excel ตรงๆ ต้องใช้ TEXT(A1,”dddd”) | |
| quarter | property | Optional | ดึงไตรมาส 1-4 ออกจาก datetime Series — ไม่มีใน Excel โดยตรง ต้องคำนวณเอง |
Examples
ตัวอย่างที่ 1: ดึงปีออกจากคอลัมน์วันที่ (เหมือน YEAR() ใน Excel)
df['date'].dt.year
df['date'].dt.year
0 2024
1 2024
2 2025
Name: date, dtype: int32
ตัวอย่างที่ 2: ดึงเดือนและสร้างคอลัมน์ใหม่ (เหมือน MONTH() ใน Excel)
df['month']
df['month']
0 1
1 7
2 3
Name: month, dtype: int32
ตัวอย่างที่ 3: ดูชื่อวันในสัปดาห์ด้วย day_name()
df['date'].dt.day_name()
df['date'].dt.day_name()
0 Monday
1 Tuesday
2 Wednesday
3 Saturday
Name: date, dtype: str
ตัวอย่างที่ 4: ดึงไตรมาสเพื่อวิเคราะห์ตาม Quarter
df.groupby('quarter')['revenue'].sum()
df.groupby('quarter')['revenue'].sum()
quarter
1 50000
2 75000
3 60000
4 90000
Name: revenue, dtype: int64
FAQs
ต้องแปลงเป็น datetime ก่อนไหม ถ้าคอลัมน์เก็บเป็น string อยู่?
ต้องเสมอเลยครับ ถ้าคอลัมน์ยังเป็น string แล้วลอง .dt.year จะได้ error ว่า ‘Can only use .dt accessor with datetimelike values’ ผมเจอบ่อยมากตอนเริ่มใช้ pandas ใหม่ๆ วิธีแก้คือใส่ pd.to_datetime() ก่อนเสมอ เช่น df[‘date’] = pd.to_datetime(df[‘date’]) แล้วค่อยใช้ .dt ได้เลย
dayofweek ต่างจาก WEEKDAY() ใน Excel ยังไง?
ต่างกันที่จุดเริ่มต้นครับ pandas .dt.dayofweek นับ 0=Monday, 1=Tuesday, …, 6=Sunday แต่ Excel WEEKDAY() โดยค่า default นับ 1=Sunday, 2=Monday, …, 7=Saturday ผมเลยต้องระวังตอนเปรียบเทียบผลกับ Excel ถ้าอยากให้ตรงกัน ให้บวก 1 แล้วปรับ offset เองครับ หรือใช้ .dt.day_name() แทน แล้วกรองตามชื่อวันไปเลยชัวร์กว่า
ใช้ .dt ตอนคำนวณระยะห่างระหว่างวันได้ไหม?
ได้ครับ แต่ .dt ใช้สำหรับดึงส่วนประกอบของวันที่ออกมา ส่วนการคำนวณระยะห่างระหว่างวันผมทำด้วยการลบ datetime columns ตรงๆ เช่น df[‘end’] – df[‘start’] ได้ Timedelta Series ออกมา แล้วค่อยใช้ .dt.days เพื่อแปลงเป็นจำนวนวันต่อได้ครับ
Resources & Related
Resources
Related functions
Additional Notes
ถ้าใน Excel เราใช้ YEAR(A1) เพื่อดึงปีออกจากวันที่ ใน pandas ผมใช้ .dt.year ทำแบบเดียวกันครับ แต่ดีกว่าตรงที่มันทำงานกับทั้งคอลัมน์พร้อมกันเลย ไม่ต้องลากสูตรลงทีละแถว
.dt คือ “accessor” ที่เปิดให้ Series เข้าถึง datetime properties ต่างๆ — เงื่อนไขเดียวคือ Series นั้นต้องเป็น datetime type ก่อนครับ ถ้าคอลัมน์เก็บเป็น string ต้องแปลงด้วย pd.to_datetime() ก่อนเสมอ
ที่เจ๋งคือ .dt มี property ให้เลือกเยอะมาก ครอบคลุมทุกอย่างที่ Excel ทำได้และมากกว่านั้น: .dt.year (YEAR), .dt.month (MONTH), .dt.day (DAY), .dt.day_name() (ชื่อวัน เช่น Monday), .dt.dayofweek (WEEKDAY เริ่มจาก 0=Monday), .dt.quarter (ไตรมาส), .dt.week (สัปดาห์ที่) และอีกหลายสิบตัว
ส่วนตัวผมใช้บ่อยที่สุดตอนต้องจัดกลุ่มยอดขายตามเดือนหรือไตรมาส ก็แค่ดึง .dt.month หรือ .dt.quarter ออกมาเป็นคอลัมน์ใหม่ แล้วต่อด้วย groupby ได้เลยครับ 😎