Часто вас может заинтересовать преобразование одного или нескольких столбцов в кадре данных pandas в формат DateTime. К счастью, это легко сделать с помощью функции to_datetime() .
В этом руководстве показано несколько примеров использования этой функции в следующем кадре данных:
import numpy as np
import pandas as pd
#create DataFrame
df = pd.DataFrame({'event': ['A', 'B', 'C'],
'start_date': ['20150601', '20160201', '20170401'],
'end_date': ['20150608', '20160209', '20170416'] })
#view DataFrame
df
event start_date end_date
0 A 20150601 20150608
1 B 20160201 20160209
2 C 20170401 201704161
#view column data types
df.dtypes
event object
start_date object
end_date object
dtype: object
Пример 1. Преобразование одного столбца в DateTime
В следующем коде показано, как преобразовать столбец start_date из строки в формат DateTime:
#convert start_date to DateTime format
df['start_date'] = pd.to_datetime(df['start_date'])
#view DataFrame
df
event start_date end_date
0 A 2015-06-01 20150608
1 B 2016-02-01 20160209
2 C 2017-04-01 20170416
#view column date types
df.dtypes
event object
start_date datetime64[ns]
end_date object
dtype: object
Обратите внимание, что функция to_datetime() умна и обычно может вывести правильный формат даты для использования, но вы также можете указать формат для использования с аргументом формата :
#convert start_date to DateTime format
df['start_date'] = pd.to_datetime(df['start_date'], format='%Y%m%d')
#view DataFrame
df
event start_date end_date
0 A 2015-06-01 20150608
1 B 2016-02-01 20160209
2 C 2017-04-01 20170416
#view column date types
df.dtypes
event object
start_date datetime64[ns]
end_date object
dtype: object
Пример 2. Преобразование нескольких столбцов в DateTime
В следующем коде показано, как преобразовать столбцы «start_date» и «end_date» из строк в форматы DateTime:
#convert start_date and end_date to DateTime formats
df[['start_date', 'end_date']] = df[['start_date', 'end_date']].apply (pd.to_datetime )
#view DataFrame
df
event start_date end_date
0 A 2015-06-01 2015-06-08
1 B 2016-02-01 2016-02-09
2 C 2017-04-01 2017-04-16
#view column date types
df.dtypes
event object
start_date datetime64[ns]
end_date datetime64[ns]
dtype: object
Пример 3. Преобразование столбцов в формат DateTime с секундами
В некоторых случаях у вас также могут быть столбцы, содержащие дату вместе с часами, минутами и секундами, например следующий кадр данных:
#create DataFrame
df = pd.DataFrame({'event': ['A', 'B', 'C'],
'start_date': ['20150601043000', '20160201054500', '20170401021215'],
'end_date': ['20150608', '20160209', '20170416'] })
#view DataFrame
df
event start_date end_date
0 A 20150601043000 20150608
1 B 20160201054500 20160209
2 C 20170401021215 20170416
Опять же, функция to_datetime() умна и обычно может определить правильный формат для использования без нашего указания:
#convert start_date to DateTime format
df['start_date'] = pd.to_datetime(df['start_date'])
#view DataFrame
df
event start_date end_date
0 A 2015-06-01 04:30:00 20150608
1 B 2016-02-01 05:45:00 20160209
2 C 2017-04-01 02:12:15 20170416
#view column date types
df.dtypes
event object
start_date datetime64[ns]
end_date object
dtype: object
Конечно, в дикой природе вы, вероятно, столкнетесь с множеством странных форматов DateTime, поэтому вам, возможно, придется использовать аргумент формата , чтобы точно указать Python, какой формат DateTime использовать.
В таких случаях обратитесь к этой странице за полным списком операторов % DateTime, которые можно использовать для указания форматов.
Дополнительные ресурсы
Как преобразовать дату и время в дату в pandas
Как преобразовать строки в числа с плавающей запятой в Pandas