ฉันจะแปลงวันที่ในเฟรมข้อมูล Pandas เป็นประเภทข้อมูล 'วันที่' ได้อย่างไร

ฉันมีกรอบข้อมูล Pandas หนึ่งในคอลัมน์มีสตริงวันที่ในรูปแบบ YYYY-MM-DD

สำหรับเช่น '2013-10-28'

ในขณะที่ของคอลัมน์dtypeobject

ฉันจะแปลงค่าคอลัมน์เป็นรูปแบบวันที่ของ Pandas ได้อย่างไร

ใช้astype

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

โดยพื้นฐานแล้วเทียบเท่ากับ @waitingkuo แต่ฉันจะใช้to_datetimeที่นี่ (ดูเหมือนจะสะอาดกว่าเล็กน้อยและมีฟังก์ชันเพิ่มเติมบางอย่างเช่นdayfirst):

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

การจัดการValueErrors
ถ้าคุณทำงานเป็นสถานการณ์ที่ทำ

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

พ่น

ValueError: Unknown string format

นั่นหมายความว่าคุณมีค่าที่ไม่ถูกต้อง (ไม่บังคับ) หากคุณพอใจที่จะให้พวกเขาแปลงเป็นpd.NaTคุณสามารถเพิ่มerrors='coerce'อาร์กิวเมนต์ในto_datetime:

df['time'] = pd.to_datetime(df['time'], errors='coerce')

ฉันนึกภาพว่าข้อมูลจำนวนมากเข้ามาใน Pandas จากไฟล์ CSV ซึ่งในกรณีนี้คุณสามารถแปลงวันที่ในระหว่างการอ่าน CSV ครั้งแรก:

dfcsv = pd.read_csv('xyz.csv', parse_dates=[0])โดยที่ 0 หมายถึงคอลัมน์ที่มีวันที่
คุณสามารถเพิ่ม, index_col=0ในนั้นได้หากคุณต้องการให้วันที่เป็นดัชนีของคุณ

ดูhttps://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_csv.html

ตอนนี้คุณสามารถทำได้ df['column'].dt.date

โปรดทราบว่าสำหรับออบเจ็กต์วันที่และเวลาหากคุณไม่เห็นชั่วโมงที่มันทั้งหมด 00:00:00 นั่นไม่ใช่แพนด้า นั่นคือโน้ตบุ๊ก iPython ที่พยายามทำให้สิ่งต่างๆดูสวยงาม

หากคุณต้องการรับรูปแบบ DATE ไม่ใช่ DATETIME:

df["id_date"] = pd.to_datetime(df["id_date"]).dt.date

อีกวิธีหนึ่งในการทำเช่นนี้และใช้ได้ดีหากคุณมีหลายคอลัมน์เพื่อแปลงเป็นวันที่และเวลา

cols = ['date1','date2']
df[cols] = df[cols].apply(pd.to_datetime)

อาจเป็นกรณีที่ต้องแปลงวันที่เป็นความถี่อื่น ในกรณีนี้ฉันขอแนะนำให้ตั้งค่าดัชนีตามวันที่

#set an index by dates
df.set_index(['time'], drop=True, inplace=True)

หลังจากนี้คุณสามารถแปลงเป็นรูปแบบวันที่ที่คุณต้องการมากที่สุดได้ง่ายขึ้น ด้านล่างนี้ฉันจะแปลงเป็นรูปแบบวันที่หลายรูปแบบตามลำดับท้ายที่สุดจะลงเอยด้วยชุดของวันที่ในแต่ละวันในช่วงต้นเดือน

#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)

เพื่อความกะทัดรัดฉันไม่แสดงว่าฉันเรียกใช้รหัสต่อไปนี้หลังจากแต่ละบรรทัดด้านบน:

print(df.index)
print(df.index.dtype)
print(type(df.index))

สิ่งนี้ทำให้ฉันได้ผลลัพธ์ต่อไปนี้:

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'>

ลองแปลงแถวใดแถวหนึ่งเป็นการประทับเวลาโดยใช้ฟังก์ชัน pd.to_datetime จากนั้นใช้. map เพื่อแมปฟอร์มกับคอลัมน์ทั้งหมด

 #   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]

เพื่อความสมบูรณ์ตัวเลือกอื่นซึ่งอาจไม่ใช่ทางเลือกที่ตรงไปตรงมาที่สุดซึ่งคล้ายกับที่ @SSS เสนอเล็กน้อย แต่การใช้ไลบรารี datetime คือ:

import datetime
df["Date"] = df["Date"].apply(lambda x: datetime.datetime.strptime(x, '%Y-%d-%m').date())