Antworten:
Der einfachste Weg ist zu verwenden to_datetime
:
df['col'] = pd.to_datetime(df['col'])
Es bietet auch ein dayfirst
Argument für die europäische Zeit (aber Vorsicht, dies ist nicht streng ).
Hier ist es in Aktion:
In [11]: pd.to_datetime(pd.Series(['05/23/2005']))
Out[11]:
0 2005-05-23 00:00:00
dtype: datetime64[ns]
Sie können ein bestimmtes Format übergeben :
In [12]: pd.to_datetime(pd.Series(['05/23/2005']), format="%m/%d/%Y")
Out[12]:
0 2005-05-23
dtype: datetime64[ns]
DatetimeIndex(df['col']).to_pydatetime()
sollten funktionieren.
SettingWithCopyWarning
gibt genug Material
Wenn Ihre Datumsspalte eine Zeichenfolge im Format '2017-01-01' ist, können Sie sie mit pandas astype in datetime konvertieren.
df['date'] = df['date'].astype('datetime64[ns]')
oder verwenden Sie datetime64 [D], wenn Sie Tagesgenauigkeit und keine Nanosekunden wünschen
print(type(df_launath['date'].iloc[0]))
ergibt
<class 'pandas._libs.tslib.Timestamp'>
das gleiche wie bei Verwendung von pandas.to_datetime
Sie können es mit anderen Formaten als '% Y-% m-% d' versuchen, aber zumindest funktioniert dies.
Sie können Folgendes verwenden, wenn Sie schwierige Formate angeben möchten:
df['date_col'] = pd.to_datetime(df['date_col'], format='%d/%m/%Y')
Weitere Details format
hier:
Wenn Ihr Datum eine Mischung aus Formaten enthält, vergessen Sie nicht, diese festzulegen infer_datetime_format=True
, um das Leben zu erleichtern
df['date'] = pd.to_datetime(df['date'], infer_datetime_format=True)
Quelle: pd.to_datetime
oder wenn Sie einen maßgeschneiderten Ansatz wünschen:
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)