Pandas是一種非常流行的數(shù)據(jù)分析和處理工具，它提供了許多強大的功能來處理和操作數(shù)據(jù)。其中一個常見的需求是將DataFrame中的列轉(zhuǎn)換為日期時間類型。在本文中，我將向您介紹如何在Pandas中實現(xiàn)此目標。

Pandas中的日期時間類型

在開始轉(zhuǎn)換之前，我們需要理解Pandas中的日期時間類型。Pandas中有兩種主要的日期時間類型：Timestamp和DatetimeIndex。Timestamp表示單個時間戳，而DatetimeIndex則是由多個時間戳組成的索引。

要將列轉(zhuǎn)換為日期時間類型，我們需要使用Pandas.to_datetime()函數(shù)。該函數(shù)可以將多種不同格式的輸入轉(zhuǎn)換為日期時間類型，并返回一個Series或DataFrame對象。

例如，假設(shè)我們有以下DataFrame：

import pandas as pd

df = pd.DataFrame({ 'date': ['2022-01-01', '2022-01-02', '2022-01-03'], 'value': [1, 2, 3]
})

我們想將'date'列轉(zhuǎn)換為日期時間類型。我們可以使用to_datetime()函數(shù)來實現(xiàn)這一點：

df['date'] = pd.to_datetime(df['date'])

這將使'date'列變?yōu)镈atetimeIndex類型。如果我們只想保留Timestamp類型，則可以將參數(shù)設(shè)置為“timestamp”：

df['date'] = pd.to_datetime(df['date'], utc=True).dt.tz_convert(None)

這將使'date'列變?yōu)門imestamp類型，并刪除時區(qū)信息。

將多列轉(zhuǎn)換為日期時間類型

有時我們需要將DataFrame中的多個列轉(zhuǎn)換為日期時間類型。在這種情況下，我們可以使用Pandas的apply()函數(shù)和to_datetime()函數(shù)來實現(xiàn)。

例如，假設(shè)我們有以下DataFrame：

import pandas as pd

df = pd.DataFrame({ 'year': [2022, 2022, 2023], 'month': [1, 2, 3], 'day': [1, 2, 3], 'value': [1, 2, 3]
})

我們想將'year'、'month'和'day'列轉(zhuǎn)換為日期時間類型，并將它們合并到一列中。我們可以使用以下代碼來實現(xiàn)：

df['date'] = df.apply(lambda x: pd.to_datetime(f"{x['year']}-{x['month']}-{x['day']}"), axis=1)

這將創(chuàng)建一個新的'date'列，其中包含年份、月份和日期信息。注意，我們使用了apply()函數(shù)來遍歷DataFrame中的每一行，并將每一行的'year'、'month'和'day'列組合成單個字符串，然后使用to_datetime()函數(shù)將其轉(zhuǎn)換為日期時間類型。

處理不同的日期時間格式

在實際情況中，我們可能會遇到多種不同的日期時間格式。在這種情況下，我們可以使用Pandas的format參數(shù)來指定輸入字符串的格式。

例如，假設(shè)我們有以下DataFrame：

import pandas as pd

df = pd.DataFrame({ 'date': ['2022-01-01', '02/01/2022', 'Jan 3, 2022'], 'value': [1, 2, 3]
})

我們想將'date'列轉(zhuǎn)換為日期時間類型，但它包含多種不同的日期格式。我們可以使用以下代碼來實現(xiàn)：

df['date'] = pd.to_datetime(df['date'], format='%Y-%m-%d', errors='coerce').fillna(pd.to_datetime(df['date'], format='%d/%m/%Y', errors='coerce')).fillna(pd.to_datetime(df['date'], format='%b %d, %Y', errors='coerce'))

在這個例子中，我們使用了to_datetime()函數(shù)的format參數(shù)來指定輸入字符串的格式。注意，我們在第一個調(diào)用中使用了errors參數(shù)，并將其設(shè)置為“coerce”。這意味著如果無法解析日期時間，則將其轉(zhuǎn)換為NaT值（Not a Time）。然后

我們使用fillna()函數(shù)來填充NaN值，以便我們可以使用多個不同的日期格式進行轉(zhuǎn)換。

處理時區(qū)信息

當處理日期時間數(shù)據(jù)時，有時需要考慮時區(qū)信息。Pandas中提供了一些函數(shù)來幫助處理時區(qū)信息。

例如，假設(shè)我們有以下DataFrame：

import pandas as pd

df = pd.DataFrame({ 'date': ['2022-01-01 00:00:00+00:00', '2022-01-02 00:00:00+00:00', '2022-01-03 00:00:00+00:00'], 'value': [1, 2, 3]
})

我們想要將'date'列轉(zhuǎn)換為本地時間，并刪除時區(qū)信息。我們可以使用以下代碼來實現(xiàn)：

df['date'] = pd.to_datetime(df['date'], utc=True).dt.tz_convert(None)

在這個例子中，我們首先將'date'列轉(zhuǎn)換為UTC時間，然后使用dt.tz_convert()函數(shù)將其轉(zhuǎn)換為本地時間，并使用None作為參數(shù)來刪除時區(qū)信息。

總結(jié)

在本文中，我們介紹了如何在Pandas中將DataFrame列轉(zhuǎn)換為日期時間類型。具體而言，我們了解了如何使用to_datetime()函數(shù)將單個列轉(zhuǎn)換為日期時間類型，如何使用apply()函數(shù)和to_datetime()函數(shù)將多個列組合成單個日期時間列，如何處理不同的日期時間格式以及如何處理時區(qū)信息。

將DataFrame列轉(zhuǎn)換為日期時間類型是數(shù)據(jù)分析和處理中的常見任務之一。通過使用Pandas提供的功能，我們可以輕松地完成這個任務，并在數(shù)據(jù)分析和處理過程中更輕松地使用日期時間數(shù)據(jù)。

推薦學習書籍
《CDA一級教材》適合CDA一級考生備考，也適合業(yè)務及數(shù)據(jù)分析崗位的從業(yè)者提升自我。完整電子版已上線CDA網(wǎng)校，累計已有10萬+在讀~

免費加入閱讀：https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0