提问人：Chris 提问时间：11/6/2014 最后编辑：wjandreaChris 更新时间：9/21/2023 访问量：1131478
将 Pandas 列转换为 DateTime
Convert Pandas Column to DateTime
问：
我在 pandas DataFrame 中有一个字段，该字段是以字符串格式导入的。
它应该是一个日期时间变量。如何将其转换为日期时间列，然后根据日期进行筛选？
例：
raw_data = pd.DataFrame({'Mycol': ['05SEP2014:00:00:00.000']})
答：
810赞
chrisb
11/6/2014
#1
使用 to_datetime 函数，指定与数据匹配的格式。
df['Mycol'] = pd.to_datetime(df['Mycol'], format='%d%b%Y:%H:%M:%S.%f')
评论
169赞
samthebrand
4/23/2017
注意：该参数不是必需的。 很聪明。继续尝试，不要尝试匹配您的数据。formatto_datetime
0赞
Trenton McKinney
5/26/2023
更准确地说，在 OP 的情况下，是必需的，否则会发生。 可以推断某些字符串格式，但如前所述，使用可以大大提高性能。formatDateParseErrorpandasformat
71赞
mechanical_meat
11/6/2014
#2
编辑：建议使用这个来代替这个，因为通常速度较慢。pd.to_datetime().apply()
您可以使用 DataFrame 方法 .apply（） 对 Mycol 中的值进行操作：
>>> df = pd.DataFrame(['05SEP2014:00:00:00.000'], columns=['Mycol'])
>>> df
Mycol
0 05SEP2014:00:00:00.000
>>> import datetime as dt
>>> df['Mycol'] = df['Mycol'].apply(lambda x:
... dt.datetime.strptime(x, '%d%b%Y:%H:%M:%S.%f'))
>>> df
Mycol
0 2014-09-05
评论
0赞
wjandrea
5/24/2023
为什么要用这个？pd.to_datetime
1赞
mechanical_meat
5/26/2023
当我写这篇文章时，我可能还没有看到。添加了使用 的建议。谢谢你的评论。pd.to_datetimepd.to_datetime
110赞
Vlad Bezden
3/17/2019
#3
如果要转换多个列，可以执行以下操作：
df[["col1", "col2", "col3"]] = df[["col1", "col2", "col3"]].apply(pd.to_datetime)
评论
1赞
Rafs
7/13/2023
如果这些列中有不同的日期时间格式，可以尝试使用以下参数：formatapply(pd.to_datetime, format='mixed')
46赞
Prateek Sharma
9/23/2019
#4
使用 pandas 函数将列分析为 DateTime。此外，通过使用 ，它将自动检测格式并将提到的列转换为 DateTime。to_datetimeinfer_datetime_format=True
import pandas as pd
raw_data['Mycol'] = pd.to_datetime(raw_data['Mycol'], infer_datetime_format=True)
17赞
Gil Baggio
10/30/2021
#5
节省时间：
raw_data['Mycol'] = pd.to_datetime(raw_data['Mycol'])
评论
1赞
Gonçalo Peres
10/5/2022
这不适用于此特定用例。它给出了一个 .ParserError: Unknown string format: 05SEP2014:00:00:00.000
-2赞
Amar nayak
8/23/2022
#6
就像我们将对象数据类型转换为 float 或 int 一样，使用 astype（）。
raw_data['Mycol'] = raw_data['Mycol'].astype('datetime64[ns]')
评论
1赞
Gonçalo Peres
10/5/2022
这不适用于此特定用例。它给出了一个 .ParserError: Unknown string format: 05SEP2014:00:00:00.000
8赞
cottontail
1/30/2023
#7
设置正确的方法比让熊猫找出1 要快得多format=
长话短说，像 chrisb 的帖子一样从头开始传递正确的内容比让熊猫弄清楚格式要快得多，尤其是在格式包含时间组件的情况下。大于 10k 行的数据帧的运行时差异是巨大的（~25 倍，所以我们说的是几分钟而不是几秒钟）。所有有效的格式选项都可以在 https://strftime.org/ 找到。format=
errors='coerce'很有用
如果某些行的格式不正确或根本没有日期时间，则参数非常有用，以便您可以转换有效行并在以后处理包含无效值的行。errors=
df['date'] = pd.to_datetime(
df['date'], format='%d%b%Y:%H:%M:%S.%f', errors='coerce')
# for multiple columns
df[['start', 'end']] = df[['start', 'end']].apply(
pd.to_datetime, format='%d%b%Y:%H:%M:%S.%f', errors='coerce')
沉默SettingWithCopyWarning
顺便说一句，如果您收到此警告，则意味着您的数据帧可能是通过过滤另一个数据帧创建的。启用写入时复制，一切顺利。（有关更多信息，请参阅此帖子）。
pd.set_option('copy_on_write', True)
df['date'] = pd.to_datetime(df['date'], format='%d%b%Y:%H:%M:%S.%f')
1 用于生成 timeit 测试图的代码。
import perfplot
from random import choices
from datetime import datetime
mdYHMSf = range(1,13), range(1,29), range(2000,2024), range(24), *[range(60)]*2, range(1000)
perfplot.show(
kernels=[lambda x: pd.to_datetime(x),
lambda x: pd.to_datetime(x, format='%m/%d/%Y %H:%M:%S.%f'),
lambda x: pd.to_datetime(x, infer_datetime_format=True),
lambda s: s.apply(lambda x: datetime.strptime(x, '%m/%d/%Y %H:%M:%S.%f'))],
labels=["pd.to_datetime(df['date'])",
"pd.to_datetime(df['date'], format='%m/%d/%Y %H:%M:%S.%f')",
"pd.to_datetime(df['date'], infer_datetime_format=True)",
"df['date'].apply(lambda x: datetime.strptime(x, '%m/%d/%Y %H:%M:%S.%f'))"],
n_range=[2**k for k in range(20)],
setup=lambda n: pd.Series([f"{m}/{d}/{Y} {H}:{M}:{S}.{f}"
for m,d,Y,H,M,S,f in zip(*[choices(e, k=n) for e in mdYHMSf])]),
equality_check=pd.Series.equals,
xlabel='len(df)'
)
如果列包含多种格式，请参阅将混合格式字符串列转换为日期时间 Dtype。
评论