如何在 Pandas 中将 DataFrame 列转换为日期时间

  2. 贴士文章
  3. Python Pandas Howtos
  4. 如何在 Pandas 中将 DataFrame 列转换为日期时间
Jinku Hu 2023年1月30日
Pandas Pandas DataFrame Pandas DataFrame Column Python DateTime
  1. Pandas to_datetime 函数将 DataFrame 列转换为日期时间
  2. DataFrame apply 方法将 DataFrame 列转换为 Datetime
  3. 将 DataFrame 列转换为日期时间方法的性能比较
如何在 Pandas 中将 DataFrame 列转换为日期时间

我们将介绍将将 Pandas DataFrame 列转换为 Python 日期时间的方法。

  • Pandas to_datetime() 函数
  • 用 DataFrame 的 apply 方法对列中的元素进行操作

我们将在后续介绍中使用相同的 DataFrame，如下，

>>> from datetime import datetime, timedelta
>>> from pandas import DataFrame
>>> df = DataFrame.from_items(
    [('Alfa', [1, 2, 3]), 
     ('Bravo', [4, 5, 6]), 
     ('Datetime', [datetime.strftime(datetime.now()-timedelta(days=_), "%m/%d/%Y, %H:%M:%S") for _ in range(3)])], 
    orient='index', 
    columns=['A', 'B', 'C']).T
>>> df
  Alfa Bravo              Datetime
A    1     4  12/07/2019, 14:08:55
B    2     5  12/06/2019, 14:08:55
C    3     6  12/05/2019, 14:08:55

Pandas to_datetime 函数将 DataFrame 列转换为日期时间

Pandas to_datetime 函数 将给定参数转换为 datetime。

pandas.to_datetime(param, format="")

该格式指定日期时间字符串的格式。它与 Python datetime 模块中的 stftime 或 strptime 函数中的格式相同。

>>> df
  Alfa Bravo              Datetime
A    1     4  12/07/2019, 14:08:55
B    2     5  12/06/2019, 14:08:55
C    3     6  12/05/2019, 14:08:55
>>> df['Datetime'] = pd.to_datetime(df['Datetime'], format="%m/%d/%Y, %H:%M:%S")
>>> df
  Alfa Bravo            Datetime
A    1     4 2019-12-07 14:08:55
B    2     5 2019-12-06 14:08:55
C    3     6 2019-12-05 14:08:55

to_datetime() 函数不会就地修改 DataFrame 数据，因此我们需要将返回的 Series 分配给特定的 Pandas DataFrame 列。

to_datetime() 函数可以智能地转换日期时间

to_datetime() 函数无需指定 datetime 格式字符串即可以一种智能的方式转换为 datetime。它将自动、智能地找到字符串模式。

>>> df['Datetime'] = pd.to_datetime(df['Datetime'])
>>> df
  Alfa Bravo            Datetime
A    1     4 2019-12-07 14:08:55
B    2     5 2019-12-06 14:08:55
C    3     6 2019-12-05 14:08:55
注意

尽管 to_datetime 可以在不提供 format 的情况下智能的完成转换，但是转换速度远低于给出 format 时的速度。

我们可以设置选项 infer_datetime_format 的 to_datetime 是 true 来转换切换到更快的模式。

解析速度将会提高 5〜6 倍。

DataFrame apply 方法将 DataFrame 列转换为 Datetime

apply(func, *args, **kwds)

DataFrame 的 apply 方法对每个列或行应用 func 函数。

为了简单起见，我们可以使用 lambda 函数来代替 func。

>>> df['Datetime'] = df['Datetime'].apply(lambda _: datetime.strptime(_,"%m/%d/%Y, %H:%M:%S"))
           
>>> df
           
  Alfa Bravo            Datetime
A    1     4 2019-12-07 14:44:35
B    2     5 2019-12-06 14:44:35
C    3     6 2019-12-05 14:44:35

将 DataFrame 列转换为日期时间方法的性能比较

让我们用 timeit 来比较本文介绍的两种方法的时间性能。

In[1]: % timeit pd.to_datetime(df['Datetime'], format="%m/%d/%Y, %H:%M:%S")
452 µs ± 85.3 µs per loop(mean ± std. dev. of 7 runs, 1000 loops each)

In[2]: % timeit df['Datetime'].apply(lambda _: datetime.strptime(_, "%m/%d/%Y, %H:%M:%S"))
377 µs ± 58.5 µs per loop(mean ± std. dev. of 7 runs, 1000 loops each)

apply 方法甚至比 Pandas 原生的 to_datetime 方法稍好一点，其执行时间约为 to_datetime 函数的 80%。

作者： Jinku Hu
Jinku Hu avatar Jinku Hu avatar

DelftStack.com 创始人。Jinku 在机器人和汽车行业工作了8多年。他在自动测试、远程测试及从耐久性测试中创建报告时磨练了自己的编程技能。他拥有电气/电子工程背景，但他也扩展了自己的兴趣到嵌入式电子、嵌入式编程以及前端和后端编程。

LinkedIn Facebook

相关文章 - Pandas DataFrame

相关文章 - Pandas DataFrame Column

相关文章 - Python DateTime