如何在 Pandas 中將 DataFrame 列轉換為日期時間

  2. 貼士文章
  3. Python Pandas Howtos
  4. 如何在 Pandas 中將 DataFrame 列轉換為日期時間
Jinku Hu 2023年1月30日
Pandas Pandas DataFrame Pandas DataFrame Column Python DateTime
  1. Pandas to_datetime 函式將 DataFrame 列轉換為日期時間
  2. DataFrame apply 方法將 DataFrame 列轉換為 Datetime
  3. 將 DataFrame 列轉換為日期時間方法的效能比較
如何在 Pandas 中將 DataFrame 列轉換為日期時間

我們將介紹將將 Pandas DataFrame 列轉換為 Python 日期時間的方法。

  • Pandas to_datetime() 函式
  • 用 DataFrame 的 apply 方法對列中的元素進行操作

我們將在後續介紹中使用相同的 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 函式將 DataFrame 列轉換為日期時間

Pandas to_datetime 函式 將給定引數轉換為 datetime。

pandas.to_datetime(param, format="")

該格式指定日期時間字串的格式。它與 Python datetime 模組中的 stftime 或 strptime 函式中的格式相同。

>>> 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() 函式不會就地修改 DataFrame 資料，因此我們需要將返回的 Series 分配給特定的 Pandas DataFrame 列。

to_datetime() 函式可以智慧地轉換日期時間

to_datetime() 函式無需指定 datetime 格式字串即可以一種智慧的方式轉換為 datetime。它將自動、智慧地找到字串模式。

>>> 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

儘管 to_datetime 可以在不提供 format 的情況下智慧的完成轉換，但是轉換速度遠低於給出 format 時的速度。

我們可以設定選項 infer_datetime_format 的 to_datetime 是 true 來轉換切換到更快的模式。

解析速度將會提高 5〜6 倍。

DataFrame apply 方法將 DataFrame 列轉換為 Datetime

apply(func, *args, **kwds)

DataFrame 的 apply 方法對每個列或行應用 func 函式。

為了簡單起見，我們可以使用 lambda 函式來代替 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

將 DataFrame 列轉換為日期時間方法的效能比較

讓我們用 timeit 來比較本文介紹的兩種方法的時間效能。

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 方法稍好一點，其執行時間約為 to_datetime 函式的 80%。

作者： Jinku Hu
Jinku Hu avatar Jinku Hu avatar

DelftStack.com 創辦人。Jinku 在機器人和汽車行業工作了8多年。他在自動測試、遠端測試及從耐久性測試中創建報告時磨練了自己的程式設計技能。他擁有電氣/ 電子工程背景，但他也擴展了自己的興趣到嵌入式電子、嵌入式程式設計以及前端和後端程式設計。

LinkedIn Facebook

相關文章 - Pandas DataFrame

相關文章 - Pandas DataFrame Column

相關文章 - Python DateTime