将DataFrame列类型从字符串转换为日期时间

最简单的方法是使用to_datetime:

df['col'] = pd.to_datetime(df['col'])

它还为欧洲时报提供了dayfirst参数(但要注意这并不严格)。

下面是它的实际情况:

In [11]: pd.to_datetime(pd.Series(['05/23/2005']))
Out[11]:
0   2005-05-23 00:00:00
dtype: datetime64[ns]

你可以传递一个特定的格式:

In [12]: pd.to_datetime(pd.Series(['05/23/2005']), format="%m/%d/%Y")
Out[12]:
0   2005-05-23
dtype: datetime64[ns]

如果您的日期列是格式为'2017-01-01'的字符串 您可以使用pandas astype将其转换为datetime

df['date'] = df['date'].astype('datetime64[ns]')

或者使用datetime64[D]如果你想要日精度而不是纳秒

print(type(df_launath['date'].iloc[0]))

收益率

<class 'pandas._libs.tslib.Timestamp'>

与使用pandas.to_datetime时相同

您可以尝试其他格式，然后'%Y-%m-%d'，但至少这是可行的。

如果你想指定复杂的格式，你可以使用下面的方法:

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

关于format的更多细节:

• 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

如果你的日期中有多种格式的混合，不要忘记设置infer_datetime_format=True以使工作更简单。

df['date'] = pd.to_datetime(df['date'], infer_datetime_format=True)

来源:pd.to_datetime

或者如果你想要一个定制的方法:

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)

试试这个解决方案:

• 改变'2022–12–31 00:00:00' to '2022–12–31 00:00:01'
• 然后运行这段代码:pandas.to_datetime(pandas.Series(['2022–12–31 00:00:01']))
• 输出:2022–12–31 00:00:01