pandas.to_datetime 用法

woff

pandas.to_datetime(arg, errors='raise', dayfirst=False, yearfirst=False, utc=None, format=None, exact=True, unit=None, infer_datetime_format=False, origin='unix', cache=True)
將參數轉換為日期時間

DataFrame.astype
將參數轉換為指定的 dtype。

to_timedelta
將參數轉換為 timedelta。

convert_dtypes
轉換數據類型。

例子

從 DataFrame 的多列組裝日期時間。鍵可以是常見的縮寫，如 ['year', 'month', 'day', 'minute', 'second', 'ms', 'us', 'ns']) 或相同的複數形式

1. df = pd.DataFrame({'year': [2015, 2016],
   
2.     'month': [2, 3],
   
3.     'day': [4, 5]})
   
4. pd.to_datetime(df)
   
5. 0   2015-02-04
   
6. 1   2016-03-05
   
7. dtype: datetime64[ns]

複製代碼

如果日期不符合[color=rgba(var(--pst-color-link),1)]時間戳限制，則傳遞 errors='ignore' 將返回原始輸入而不是引發任何異常。

除了強制將非日期（或不可解析的日期）強制為 NaT 之外，傳遞 errors='coerce' 將強制將越界日期強制為 NaT。

1. pd.to_datetime('13000101', format='%Y%m%d', errors='ignore')
   
2. datetime.datetime(1300, 1, 1, 0, 0)
   
3. pd.to_datetime('13000101', format='%Y%m%d', errors='coerce')
   
4. NaT

複製代碼

傳遞 infer_datetime_format=True 通常可以加速解析，如果它不是完全 ISO8601 格式，而是常規格式。

1. s = pd.Series(['3/11/2000', '3/12/2000', '3/13/2000'] * 1000)
   
2. s.head()
   
3. 0    3/11/2000
   
4. 1    3/12/2000
   
5. 2    3/13/2000
   
6. 3    3/11/2000
   
7. 4    3/12/2000
   
8. dtype: object

複製代碼

1. %timeit pd.to_datetime(s, infer_datetime_format=True)  
   
2. 100 loops, best of 3: 10.4 ms per loop

複製代碼

1. %timeit pd.to_datetime(s, infer_datetime_format=False)  
   
2. 1 loop, best of 3: 471 ms per loop

複製代碼

使用 timestamp時間戳記

1. pd.to_datetime(1490195805, unit='s')
   
2. Timestamp('2017-03-22 15:16:45')
   
3. pd.to_datetime(1490195805433502912, unit='ns')
   
4. Timestamp('2017-03-22 15:16:45.433502912')

複製代碼

對於 float arg，可能會發生精確舍入。為了防止意外行為，請使用固定寬度的精確類型。

使用非 timestamp時間戳記

1. pd.to_datetime([1, 2, 3], unit='D',origin=pd.Timestamp('1960-01-01'))
   
2. DatetimeIndex(['1960-01-02', '1960-01-03', '1960-01-04'],dtype='datetime64[ns]', freq=None)

複製代碼

如果輸入是類似列表的並且輸入的元素是混合時區，則如果 utc=False，則返回對像類型為 Index。

1. pd.to_datetime(['2018-10-26 12:00 -0530', '2018-10-26 12:00 -0500'])
   
2. Index([2018-10-26 12:00:00-05:30, 2018-10-26 12:00:00-05:00], dtype='object')

複製代碼

1. pd.to_datetime(['2018-10-26 12:00 -0530', '2018-10-26 12:00 -0500'],
   
2.                utc=True)
   
3. DatetimeIndex(['2018-10-26 17:30:00+00:00', '2018-10-26 17:00:00+00:00'],
   
4.               dtype='datetime64[ns, UTC]', freq=None)

複製代碼

原文文章