将 DataFrame 列类型从字符串转换为日期时间
- 2024-12-04 08:56:00
- admin 原创
- 159
问题描述：
如何将 DataFrame 字符串列（dd/mm/yyyy格式）转换为 datetime dtype？
解决方案 1：
最简单的方法是使用to_datetime：
df['col'] = pd.to_datetime(df['col'])
它还dayfirst为欧洲时代提供了一个论据（但请注意这并不严格）。
实际操作如下：
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]
解决方案 2：
如果您的日期列是格式为“2017-01-01”的字符串，则可以使用 pandas astype 将其转换为日期时间。
df['date'] = df['date'].astype('datetime64[ns]')
或者使用 datetime64[D] 如果你想要天精度而不是纳秒
print(type(df['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，但至少这是可行的。
解决方案 3：
如果您想指定棘手的格式，可以使用以下命令：
df['date_col'] = pd.to_datetime(df['date_col'], format='%d/%m/%Y')
更多详细信息请参见format此处：
Python 2 https://docs.python.org/2/library/datetime.html#strftime-strptime-behavior
Python 3 https://docs.python.org/3.7/library/datetime.html#strftime-strptime-behavior
解决方案 4：
如果您的日期混合了多种格式，请不要忘记设置infer_datetime_format=True以使生活更轻松。
df['date'] = pd.to_datetime(df['date'], infer_datetime_format=True)
来源：pd.to_datetime
或者如果您想要一种定制的方法：
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)
解决方案 5：
多个日期时间列
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)
您可以将参数传递给to_datetimekwargs。
df[['start_date', 'end_date']] = df[['start_date', 'end_date']].apply(pd.to_datetime, format="%m/%d/%Y")
传递给apply而不指定axis，仍会将值转换为每个列 的向量。apply这里需要 ，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，则选项是使用显式for-loop，或将其传递给apply。另一方面，如果您在列上调用pd.to_datetime使用（例如，则不会被矢量化，应避免使用。apply`df['date'].apply(pd.to_datetime))`
使用format=加速
如果列包含时间部分，并且您知道日期时间/时间的格式，那么明确传递格式将显著加快转换速度。但如果列只有日期，则几乎没有任何区别。在我的项目中，对于包含 500 万行的列，差异很大：~2.5 分钟 vs 6 秒。
事实证明，明确指定格式大约快 25 倍。以下运行时图显示，根据是否传递格式，性能存在巨大差距。
用于生成图表的代码：
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)'
)
解决方案 6：
尝试这个解决方案：
改变
'2022–12–31 00:00:00' to '2022–12–31 00:00:01'然后运行此代码：
pandas.to_datetime(pandas.Series(['2022–12–31 00:00:01']))输出：
2022–12–31 00:00:01
解决方案 7：
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)
