在Pandas数据框架中，将列的类型从字符串转换为日期时间格式

在Pandas中处理数据时，遇到时间序列数据是很正常的事情，我们知道Pandas是在python中处理时间序列数据的一个非常有用的工具。
让我们看看如何将数据框架中的字符串列（dd/mm/yyyy格式）转换成日期时间格式。如果日期的格式不正确，我们就不能对其进行任何基于时间序列的操作。为了能够使用它，我们需要将日期转换为日期时间格式。

代码#1 : 使用pd.to_datetime()函数将Pandas数据框架的列类型从字符串转换为数据时间格式。

# importing pandas as pd
import pandas as pd
 
# Creating the dataframe
df = pd.DataFrame({'Date':['11/8/2011', '04/23/2008', '10/2/2019'],
                'Event':['Music', 'Poetry', 'Theatre'],
                'Cost':[10000, 5000, 15000]})
 
# Print the dataframe
print(df)
 
# Now we will check the data type
# of the 'Date' column
df.info()

输出:

正如我们在输出中看到的，”Date “列的数据类型是对象，即字符串。现在我们将使用pd.to_datetime()函数将其转换为数据时间格式。

# convert the 'Date' column to datetime format
df['Date']= pd.to_datetime(df['Date'])
 
# Check the format of 'Date' column
df.info()

输出:

正如我们在输出中所看到的，”Date “列的格式已经被改变为数据时间格式。

代码#2：使用DataFrame.astype()函数将Pandas数据框架的列类型从字符串转换成日期时间格式。

# importing pandas as pd
import pandas as pd
 
# Creating the dataframe
df = pd.DataFrame({'Date':['11/8/2011', '04/23/2008', '10/2/2019'],
                'Event':['Music', 'Poetry', 'Theatre'],
                'Cost':[10000, 5000, 15000]})
 
# Print the dataframe
print(df)
 
# Now we will check the data type
# of the 'Date' column
df.info()

输出 :

我们可以在输出中看到，”Date “列的数据类型是对象，即字符串。现在我们将使用DataFrame.astype()函数将其转换为日期时间格式。

# convert the 'Date' column to datetime format
df['Date'] = df['Date'].astype('datetime64[ns]')
 
# Check the format of 'Date' column
df.info()

输出 :

正如我们在输出中所看到的，”Date “列的格式已经被改变为数据时间格式。

代码#3：如果数据框架列是’yymmdd’格式，我们必须将其转换为’yyyymmdd’格式。

# importing pandas library
import pandas as pd
 
# Initializing the nested list with Data set
player_list = [['200712',50000],['200714',51000],['200716',51500],
            ['200719',53000],['200721',54000],
            ['200724',55000],['200729',57000]]
 
# creating a pandas dataframe
df = pd.DataFrame(player_list,columns=['Dates','Patients'])
 
# printing dataframe
print(df)
print()
 
# checking the type
print(df.dtypes)

# converting the string to datetime format
df['Dates'] = pd.to_datetime(df['Dates'], format='%y%m%d')
 
# printing dataframe
print(df)
print()
 
print(df.dtypes)

在上面的例子中，我们把 “日期 “列的数据类型从 “对象 “改为 “datetime64[ns]”，格式从 “yymmdd “改为 “yyymmdd”。

代码#4：使用pandas.to_datetime()将多列从字符串转换为**’yyyymmdd*’格式

# importing pandas library
import pandas as pd
 
# Initializing the nested list with Data set
player_list = [['20200712',50000,'20200812'],
               ['20200714',51000,'20200814'],
               ['20200716',51500,'20200816'],
               ['20200719',53000,'20200819'],
               ['20200721',54000,'20200821'],
               ['20200724',55000,'20200824'],
               ['20200729',57000,'20200824']]
 
# creating a pandas dataframe
df = pd.DataFrame(
  player_list,columns = ['Treatment_start',
                         'No.of Patients',
                         'Treatment_end'])
 
# printing dataframe
print(df)
print()
 
# checking the type
print(df.dtypes)

# converting the string to datetime
# format in multiple columns
df['Treatment_start'] = pd.to_datetime(
                          df['Treatment_start'],
                          format='%Y%m%d'
)
df['Treatment_end'] = pd.to_datetime(
                          df['Treatment_end'],
                          format='%Y%m%d'
)
 
 
# printing dataframe
print(df)
print()
 
print(df.dtypes)

在上面的例子中，我们把列’Treatment_start’和’Treatment_end’的数据类型从’对象’改为’datetime64[ns]’类型。