如何使用空值将字符串转换为日期时间 - python，pandas？

Posted 2023-02-25

【中文标题】如何使用空值将字符串转换为日期时间 - python，pandas？

【英文标题】：How to convert string to datetime with nulls - python, pandas?

【发布时间】：2015-05-31 15:45:51

【问题描述】：

我有一个包含一些日期时间（作为字符串）和一些空值作为“nan”的系列：

import pandas as pd, numpy as np, datetime as dt
df = pd.DataFrame('Date':['2014-10-20 10:44:31', '2014-10-23 09:33:46', 'nan', '2014-10-01 09:38:45'])

我正在尝试将这些转换为日期时间：

df['Date'] = df['Date'].apply(lambda x: dt.datetime.strptime(x, '%Y-%m-%d %H:%M:%S'))

但我得到了错误：

time data 'nan' does not match format '%Y-%m-%d %H:%M:%S'

所以我试着把这些变成实际的空值：

df.ix[df['Date'] == 'nan', 'Date'] = np.NaN

然后重复：

df['Date'] = df['Date'].apply(lambda x: dt.datetime.strptime(x, '%Y-%m-%d %H:%M:%S'))

然后我得到错误：

必须是字符串，不能是浮点数

解决这个问题的最快方法是什么？

【参考方案1】：

只需使用to_datetime 并设置errors='coerce' 来处理duff 数据：

In [321]:

df['Date'] = pd.to_datetime(df['Date'], errors='coerce')
df
Out[321]:
                 Date
0 2014-10-20 10:44:31
1 2014-10-23 09:33:46
2                 NaT
3 2014-10-01 09:38:45

In [322]:

df.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 4 entries, 0 to 3
Data columns (total 1 columns):
Date    3 non-null datetime64[ns]
dtypes: datetime64[ns](1)
memory usage: 64.0 bytes

调用strptime 的问题是如果字符串或dtype 不正确会引发错误。

如果你这样做了，那么它会起作用：

In [324]:

def func(x):
    try:
        return dt.datetime.strptime(x, '%Y-%m-%d %H:%M:%S')
    except:
        return pd.NaT

df['Date'].apply(func)
Out[324]:
0   2014-10-20 10:44:31
1   2014-10-23 09:33:46
2                   NaT
3   2014-10-01 09:38:45
Name: Date, dtype: datetime64[ns]

但使用内置的to_datetime 会更快，而不是调用apply，后者基本上只是循环您的系列。

时间

In [326]:

%timeit pd.to_datetime(df['Date'], errors='coerce')
%timeit df['Date'].apply(func)
10000 loops, best of 3: 65.8 µs per loop
10000 loops, best of 3: 186 µs per loop

我们在这里看到使用to_datetime 的速度提高了 3 倍。

【讨论】：

当前语法现在是errors='coerce'，而不是coerce=True。

【参考方案2】：

我发现让 pandas 在大型数据帧上完成这项工作太慢了。在另一篇文章中，我学到了一种技术，当唯一值的数量远小于行数时，这种技术可以显着加快速度。 （我的数据通常是股票价格或交易记录数据。）它首先构建一个字典，将文本日期映射到它们的日期时间对象，然后应用该字典来转换文本日期列。

def str2time(val):
    try:
        return dt.datetime.strptime(val, '%H:%M:%S.%f')
    except:
        return pd.NaT

def TextTime2Time(s):
    times = t : str2time(t) for t in s.unique()
    return s.apply(lambda v: times[v])

df.date = TextTime2Time(df.date)