如何将 DataFrame 字符串列(dd/mm/yyyy 格式)转换为日期时间 dtype?
to_datetime
:
df['col'] = pd.to_datetime(df['col'])
它还为欧洲时报提供了
dayfirst
论证(但要注意这并不严格)。
这是在行动:
In [11]: pd.to_datetime(pd.Series(['05/23/2005']))
Out[11]:
0 2005-05-23 00:00:00
dtype: datetime64[ns]
您可以传递特定的格式:
In [12]: pd.to_datetime(pd.Series(['05/23/2005']), format="%m/%d/%Y")
Out[12]:
0 2005-05-23
dtype: datetime64[ns]
如果您的日期列是格式为“2017-01-01”的字符串 您可以使用 pandas astype 将其转换为日期时间。
df['date'] = df['date'].astype('datetime64[ns]')
或者如果您想要日精度而不是纳秒,请使用 datetime64[D]
print(type(df_launath['date'].iloc[0]))
产量
<class 'pandas._libs.tslib.Timestamp'>
与使用 pandas.to_datetime 时相同
您可以尝试使用“%Y-%m-%d”以外的其他格式,但至少这是有效的。
如果您想指定棘手的格式,可以使用以下内容:
df['date_col'] = pd.to_datetime(df['date_col'], format='%d/%m/%Y')
有关
format
的更多详细信息请参见此处:
如果您的约会有多种格式,请不要忘记设置
infer_datetime_format=True
让生活更轻松。
df['date'] = pd.to_datetime(df['date'], infer_datetime_format=True)
或者如果您想要定制方法:
def autoconvert_datetime(value):
formats = ['%m/%d/%Y', '%m-%d-%y'] # formats to try
result_format = '%d-%m-%Y' # output format
for dt_format in formats:
try:
dt_obj = datetime.strptime(value, dt_format)
return dt_obj.strftime(result_format)
except Exception as e: # throws exception when format doesn't match
pass
return value # let it be if it doesn't match
df['date'] = df['date'].apply(autoconvert_datetime)
如果您想将多个字符串列转换为日期时间,那么使用
apply()
会很有用。
df[['date1', 'date2']] = df[['date1', 'date2']].apply(pd.to_datetime)
您可以将参数作为 kwargs 传递给
to_datetime
。
df[['start_date', 'end_date']] = df[['start_date', 'end_date']].apply(pd.to_datetime, format="%m/%d/%Y")
传递到
apply
,而不指定 axis
,仍会针对每列以矢量方式转换值。这里需要 apply
,因为
pd.to_datetime
只能在单个列上调用。如果必须在多个列上调用它,则选项要么使用显式
for-loop
,要么将其传递给
apply
。另一方面,如果您在列上使用
pd.to_datetime
(例如
apply
)调用
df['date'].apply(pd.to_datetime))
,则不会进行矢量化,应该避免。
format=
加速
time 组件并且您知道日期时间/时间的格式,则显式传递格式将显着加快转换速度。不过,如果该列只有日期,则几乎没有任何区别。在我的项目中,对于具有 500 万行的列,差异是巨大的:~2.5 分钟 vs 6 秒。
事实证明,显式指定格式的速度大约快 25 倍。下面的运行时图显示,根据是否传递格式,性能存在巨大差距。
import perfplot
import random
mdYHM = range(1, 13), range(1, 29), range(2000, 2024), range(24), range(60)
perfplot.show(
kernels=[lambda x: pd.to_datetime(x), lambda x: pd.to_datetime(x, format='%m/%d/%Y %H:%M')],
labels=['pd.to_datetime(x)', "pd.to_datetime(x, format='%m/%d/%Y %H:%M')"],
n_range=[2**k for k in range(19)],
setup=lambda n: pd.Series([f"{m}/{d}/{Y} {H}:{M}"
for m,d,Y,H,M in zip(*[random.choices(e, k=n) for e in mdYHM])]),
equality_check=pd.Series.equals,
xlabel='len(df)'
)
'2022–12–31 00:00:00' to '2022–12–31 00:00:01'
pandas.to_datetime(pandas.Series(['2022–12–31 00:00:01']))
2022–12–31 00:00:01
print(df1.shape)
(638765, 95)
%timeit df1['Datetime'] = pd.to_datetime(df1['Date']+" "+df1['HOUR'])
473 ms ± 8.33 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
%timeit df1['Datetime'] = pd.to_datetime(df1['Date']+" "+df1['HOUR'], format='mixed')
688 ms ± 3.14 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
%timeit df1['Datetime'] = pd.to_datetime(df1['Date']+" "+df1['HOUR'], format='%Y-%m-%d %H:%M:%S')
470 ms ± 7.31 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)