如何更改 Pandas 中的日期时间格式

问题描述：

我的数据框有一DOB列（示例格式1/1/2016），默认情况下会转换为 Pandas dtype“对象”。

使用 将其转换为日期格式df['DOB'] = pd.to_datetime(df['DOB'])，日期将转换为：2016-01-26并且其dtype为：datetime64[ns]。

现在我想将此日期格式转换为01/26/2016或任何其他通用日期格式。我该怎么做？

（无论我尝试哪种方法，它总是以格式显示日期2016-01-26。）

解决方案 1：

dt.strftime如果您需要转换datetime为其他格式，则可以使用（但请注意，dtype列的将是object（string））：

import pandas as pd

df = pd.DataFrame({'DOB': {0: '26/1/2016', 1: '26/1/2016'}})
print (df)
         DOB
0  26/1/2016 
1  26/1/2016

df['DOB'] = pd.to_datetime(df.DOB)
print (df)
         DOB
0 2016-01-26
1 2016-01-26

df['DOB1'] = df['DOB'].dt.strftime('%m/%d/%Y')
print (df)
         DOB        DOB1
0 2016-01-26  01/26/2016
1 2016-01-26  01/26/2016

解决方案 2：

两者之间有区别

• 数据框单元格的内容（二进制值）和

• 它向我们人类呈现（展示）它。

所以问题是：如何在不改变数据/数据类型本身的情况下实现我的数据的适当呈现？

答案如下：

• 如果你使用Jupyter 笔记本显示数据框，或者

• 如果你想以HTML 文件的形式进行演示（即使已经准备好了许多多余的id属性class以便进一步进行CSS 样式设置 — — 你可能会用到它们，也可能不会用到它们），

使用样式。样式不会更改数据框列的数据/数据类型。

现在我向您展示如何在 Jupyter 笔记本中找到它——以 HTML 文件形式的演示，请参阅本答案末尾附近的注释。

我假设您的列DOB 已经具有该datetime64类型（您已表明您知道如何达到该类型）。我准备了一个简单的数据框（只有一列）来向您展示一些基本样式：

• 未设置样式：

df

          DOB
0  2019-07-03
1  2019-08-03
2  2019-09-03
3  2019-10-03

• 将其样式化为mm/dd/yyyy：

df.style.format({"DOB": lambda t: t.strftime("%m/%d/%Y")})

          DOB
0  07/03/2019
1  08/03/2019
2  09/03/2019
3  10/03/2019

• 将其样式化为dd-mm-yyyy：

df.style.format({"DOB": lambda t: t.strftime("%d-%m-%Y")}) 

          DOB
0  03-07-2019
1  03-08-2019
2  03-09-2019
3  03-10-2019

小心！

返回的对象不是数据框 — — 它是类的对象Styler，因此不要将其分配回df：

不要这样做：

df = df.style.format({"DOB": lambda t: t.strftime("%m/%d/%Y")})    # Don't do this!

（每个数据框都有可通过其属性访问的 Styler 对象.style，我们更改的是此df.style对象，而不是数据框本身。）

问答：

• 问： 为什么用作Jupyter 笔记本单元格中最后一个命令的 Styler 对象（或返回它的表达式）显示你的（样式）表格，而不是 Styler 对象本身？

• 答：因为每个 Styler 对象都有一个回调方法._repr_html_()，它返回用于呈现数据框（作为一个漂亮的 HTML 表）的 HTML 代码。

Jupyter Notebook IDE自动调用此方法来渲染具有它的对象。

笔记：

您不需要使用 Jupyter 笔记本进行样式设置（即，无需更改其数据/数据类型即可很好地输出数据框）。

render()如果您想获取带有 HTML 代码的字符串（例如，在 Web 上发布格式化的数据框，或者只是以 HTML 格式呈现表格），Styler 对象也有一个方法：

df_styler = df.style.format({"DOB": lambda t: t.strftime("%m/%d/%Y")})
HTML_string = df_styler.render()

解决方案 3：

改变格式但不改变类型：

df['date'] = pd.to_datetime(df["date"].dt.strftime('%Y-%m'))

解决方案 4：

与第一个答案相比，我建议dt.strftime()先使用，然后使用pd.to_datetime()。这样，它仍然会产生 datetime 数据类型。

例如，

import pandas as pd

df = pd.DataFrame({'DOB': {0: '26/1/2016 ', 1: '26/1/2016 '})
print(df.dtypes)

df['DOB1'] = df['DOB'].dt.strftime('%m/%d/%Y')
print(df.dtypes)

df['DOB1'] = pd.to_datetime(df['DOB1'])
print(df.dtypes)

解决方案 5：

下面的代码对我有用，而不是以前的代码：

df['DOB']=pd.to_datetime(df['DOB'].astype(str), format='%m/%d/%Y')

解决方案 6：

你可以试试这个。它会将日期格式转换为 DD-MM-YYYY：

df['DOB'] = pd.to_datetime(df['DOB'], dayfirst = True)

解决方案 7：

df['variable'] = pd.to_datetime(df['variable'],errors='coerce') 复制代码

解决方案 8：

下面的代码更改为“datetime”类型并格式化给定的格式字符串。

df['DOB'] = pd.to_datetime(df['DOB'].dt.strftime('%m/%d/%Y'))

解决方案 9：

以下是对我有用的代码。我们需要非常小心格式。以下链接对于了解您现有的格式并更改为所需格式绝对有用（请遵循 strftime() 和 strptime() 行为中的 strftime () 和 strptime()格式代码）：

data['date_new_format'] = pd.to_datetime(data['date_to_be_changed'] , format='%b-%y')