Pandas中的to_datetime函数用法

Pandas中的to_datetime函数用法

import datetime

import pandas as pd
import numpy as np

将字符串转换为日期时间：

pd.to_datetime('2023-09-06')

Timestamp('2023-09-06 00:00:00')

将多个字符串转换为日期时间：

pd.to_datetime(['2023-09-06', '2023-09-07', '2023-09-08'])

DatetimeIndex(['2023-09-06', '2023-09-07', '2023-09-08'], dtype='datetime64[ns]', freq=None)

处理缺失值，将不合法的日期转换为NaT（Not a Timestamp）：

pd.to_datetime(['2023-09-06', '2023-09-07', 'invalid_date', '2023-09-08'], errors='coerce')

DatetimeIndex(['2023-09-06', '2023-09-07', 'NaT', '2023-09-08'], dtype='datetime64[ns]', freq=None)

指定日期时间格式：

pd.to_datetime('06/09/23 12:34:56', format='%d/%m/%y %H:%M:%S')

Timestamp('2023-09-06 12:34:56')

处理时间戳（Unix时间戳）：

pd.to_datetime(1630899296, unit='s')

Timestamp('2021-09-06 03:34:56')

处理多个日期列，生成DataFrame：

data = {'date1': ['2023-09-06', '2023-09-07', '2023-09-08'],
        'date2': ['2023-09-09', '2023-09-10', '2023-09-11']}
df = pd.DataFrame(data)
df['date1'] = pd.to_datetime(df['date1'])
df['date2'] = pd.to_datetime(df['date2'])

df['date1']

0   2023-09-06
1   2023-09-07
2   2023-09-08
Name: date1, dtype: datetime64[ns]

df['date2']

0   2023-09-09
1   2023-09-10
2   2023-09-11
Name: date2, dtype: datetime64[ns]

从DataFrame的多个列中组合日期时间

参数可以是常见的缩写，例如['year'，'month'，'day'，'minute'，'second'，'ms'，'us'，'ns']，或者是它们的复数形式。

df = pd.DataFrame({'year': [2015, 2016],
                   'month': [2, 3],
                   'day': [4, 5]})

df

pd.to_datetime(df)

0   2015-02-04
1   2016-03-05
dtype: datetime64[ns]