如何将 Pandas 数据框中的字符串转换为“日期”数据类型?
Posted
技术标签:
【中文标题】如何将 Pandas 数据框中的字符串转换为“日期”数据类型?【英文标题】:How do I convert strings in a Pandas data frame to a 'date' data type? 【发布时间】:2013-05-27 00:24:14 【问题描述】:我有一个 Pandas 数据框,其中一列包含格式为 YYYY-MM-DD
的日期字符串
例如'2013-10-28'
目前该列的dtype
为object
。
如何将列值转换为 Pandas 日期格式?
【问题讨论】:
【参考方案1】:基本上等同于@waitingkuo,但我会在这里使用pd.to_datetime
(它看起来更简洁,并提供了一些额外的功能,例如dayfirst
):
In [11]: df
Out[11]:
a time
0 1 2013-01-01
1 2 2013-01-02
2 3 2013-01-03
In [12]: pd.to_datetime(df['time'])
Out[12]:
0 2013-01-01 00:00:00
1 2013-01-02 00:00:00
2 2013-01-03 00:00:00
Name: time, dtype: datetime64[ns]
In [13]: df['time'] = pd.to_datetime(df['time'])
In [14]: df
Out[14]:
a time
0 1 2013-01-01 00:00:00
1 2 2013-01-02 00:00:00
2 3 2013-01-03 00:00:00
处理ValueError
s
如果你遇到做事的情况
df['time'] = pd.to_datetime(df['time'])
抛出一个
ValueError: Unknown string format
这意味着您的值无效(不可强制)。如果您可以将它们转换为pd.NaT
,您可以将errors='coerce'
参数添加到to_datetime
:
df['time'] = pd.to_datetime(df['time'], errors='coerce')
【讨论】:
嗨伙计们,@AndyHayden 你能从日期中删除时间部分吗?我不需要那部分? 在 pandas 的 0.13.1 中不显示尾随的 00:00:00。 那么在其他版本中,我们如何删除/不显示它们? 我认为这不能很好地完成,有讨论添加 date_format 像 float_format (你已经看到了)。我还是建议升级。 我的问题是我的日期是这种格式... 41516.43,我收到了这个错误。我希望它在新专栏中返回类似 2014-02-03 的内容?!错误:#convert date values in the "load_date" column to dates budget_dataset['date_last_load'] = pd.to_datetime(budget_dataset['load_date']) budget_dataset -c:2: SettingWithCopyWarning: A value is trying to set on a从 DataFrame 复制切片。尝试改用 .loc[row_index,col_indexer] = value【参考方案2】:使用astype
In [31]: df
Out[31]:
a time
0 1 2013-01-01
1 2 2013-01-02
2 3 2013-01-03
In [32]: df['time'] = df['time'].astype('datetime64[ns]')
In [33]: df
Out[33]:
a time
0 1 2013-01-01 00:00:00
1 2 2013-01-02 00:00:00
2 3 2013-01-03 00:00:00
【讨论】:
很好 - 谢谢 - 我如何摆脱每个日期结束时的 00:00:00? 熊猫时间戳有日期和时间。你的意思是把它转换成python日期对象吗? 您可以通过df['time'] = [time.date() for time in df['time']]
进行转换
[ns] 是什么意思,能否将文本字符串设为日期并删除该日期的时间部分?
@yoshiserry 它是纳秒,一旦正确转换(以纳秒为单位的纪元时间),日期就会存储在引擎盖下。【参考方案3】:
我想很多数据从 CSV 文件进入 Pandas,在这种情况下,您可以在初始 CSV 读取期间简单地转换日期:
dfcsv = pd.read_csv('xyz.csv', parse_dates=[0])
其中 0 指的是日期所在的列。
如果您希望日期成为索引,也可以在其中添加 , index_col=0
。
见https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_csv.html
【讨论】:
谢谢,这正是我所需要的。不过,文档已移动,您可以在此处找到它:pandas.pydata.org/pandas-docs/stable/reference/api/…【参考方案4】:现在你可以df['column'].dt.date
请注意,对于 datetime 对象,如果您没有看到它们都是 00:00:00 的时间,那不是 pandas。那是 iPython notebook 试图让事情看起来很漂亮。
【讨论】:
这个对我不起作用,它抱怨:只能使用带有 datetimelike 值的 .dt 访问器 您可能必须先执行df[col] = pd.to_datetime(df[col])
才能将您的列转换为日期时间对象。
这个答案的问题是它将列转换为dtype = object
,这比熊猫中真正的datetime dtype
占用更多的内存。
.dt.date
绝对不应该与任何大型数据集一起使用,因为:(1)它使用 dtype object
如果数据集很大(有 2 亿或更多行)(2)fastparquet
写入parquet失败。
此人没有提及数据集的大小或镶木地板。【参考方案5】:
如果您想获取 DATE 而不是 DATETIME 格式:
df["id_date"] = pd.to_datetime(df["id_date"]).dt.date
【讨论】:
.dt.date
绝对不应与任何大型数据集一起使用,因为:(1)它使用 dtype object
如果数据集很大(有 2 亿或更多行)(2)fastparquet
写入parquet失败。【参考方案6】:
执行此操作的另一种方法,如果您有多个列要转换为日期时间,则此方法效果很好。
cols = ['date1','date2']
df[cols] = df[cols].apply(pd.to_datetime)
【讨论】:
问题询问日期而不是日期时间。 @MarkAndersen 只要您的列中只有date
值,转换为日期时间将仅保留相关信息。如果您使用 df['datetime_col'].dt.date
显式转换,这将导致 object
dtype;内存管理丢失。
这里没有理由使用.apply
,考虑到直接使用pd.to_datetime
就可以了。【参考方案7】:
可能需要将日期转换为不同的频率。在这种情况下,我建议按日期设置索引。
#set an index by dates
df.set_index(['time'], drop=True, inplace=True)
在此之后,您可以更轻松地转换为您最需要的日期格式类型。下面,我依次转换为多种日期格式,最终得到一组月初的每日日期。
#Convert to daily dates
df.index = pd.DatetimeIndex(data=df.index)
#Convert to monthly dates
df.index = df.index.to_period(freq='M')
#Convert to strings
df.index = df.index.strftime('%Y-%m')
#Convert to daily dates
df.index = pd.DatetimeIndex(data=df.index)
为简洁起见,我没有在上面的每一行之后运行以下代码:
print(df.index)
print(df.index.dtype)
print(type(df.index))
这给了我以下输出:
Index(['2013-01-01', '2013-01-02', '2013-01-03'], dtype='object', name='time')
object
<class 'pandas.core.indexes.base.Index'>
DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03'], dtype='datetime64[ns]', name='time', freq=None)
datetime64[ns]
<class 'pandas.core.indexes.datetimes.DatetimeIndex'>
PeriodIndex(['2013-01', '2013-01', '2013-01'], dtype='period[M]', name='time', freq='M')
period[M]
<class 'pandas.core.indexes.period.PeriodIndex'>
Index(['2013-01', '2013-01', '2013-01'], dtype='object')
object
<class 'pandas.core.indexes.base.Index'>
DatetimeIndex(['2013-01-01', '2013-01-01', '2013-01-01'], dtype='datetime64[ns]', freq=None)
datetime64[ns]
<class 'pandas.core.indexes.datetimes.DatetimeIndex'>
【讨论】:
【参考方案8】:为了完整起见,另一种选择,可能不是最直接的,有点类似于@SSS 提出的,但使用日期时间库是:
import datetime
df["Date"] = df["Date"].apply(lambda x: datetime.datetime.strptime(x, '%Y-%d-%m').date())
【讨论】:
【参考方案9】: # Column Non-Null Count Dtype
--- ------ -------------- -----
0 startDay 110526 non-null object
1 endDay 110526 non-null object
import pandas as pd
df['startDay'] = pd.to_datetime(df.startDay)
df['endDay'] = pd.to_datetime(df.endDay)
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 startDay 110526 non-null datetime64[ns]
1 endDay 110526 non-null datetime64[ns]
【讨论】:
不,这会将其转换为 'datetime64[ns]' 类型而不是 'date' 类型。这些是不同的东西。【参考方案10】:尝试使用 pd.to_datetime 函数将其中一行转换为时间戳,然后使用 .map 将公式映射到整个列
【讨论】:
以上是关于如何将 Pandas 数据框中的字符串转换为“日期”数据类型?的主要内容,如果未能解决你的问题,请参考以下文章
使用 Pandas 将数据框中的 Python 对象列转换为没有日期的时间