Pandas 如何将多个列的数据转换为日期时间类型

在本文中，我们将介绍在Pandas中如何将多个列的数据转换为一个日期时间类型的列。

首先，我们需要了解Pandas中日期时间类型的表示。在Pandas中，日期时间类型被表示为DatetimeIndex对象，它可以作为DataFrame的一列。

pandas.to_datetime方法

要将多个列的数据转换为日期时间类型，我们可以使用pandas.to_datetime方法。该方法可以将一系列的字符串（如时间戳）转换为DatetimeIndex对象。

下面是一个示例，我们将创建一个DataFrame，包含年份、月份和日期列：

import pandas as pd

df = pd.DataFrame({'year':[2018, 2019],
                   'month':[1, 2],
                   'day':[1, 15]})

print(df)

输出：

   year  month  day
0  2018      1    1
1  2019      2   15

现在，我们将使用pandas.to_datetime方法将这三列转换为一个日期时间类型的列：

df['date'] = pd.to_datetime(df[['year', 'month', 'day']])
print(df)

输出：

   year  month  day       date
0  2018      1    1 2018-01-01
1  2019      2   15 2019-02-15

如上所示，我们可以将多个列的数据转换为一个日期时间类型的列。我们可以使用to_datetime方法并将要转换的列作为一个列表传递给它。

如果我们只有一个列需要转换为日期时间类型，那么我们可以省略列表。下面是一个示例，我们将创建一个包含时间戳的DataFrame：

df = pd.DataFrame({'timestamp':['2018-01-01 01:01:01', '2019-02-15 20:20:20']})

print(df)

输出：

             timestamp
0  2018-01-01 01:01:01
1  2019-02-15 20:20:20

现在，我们将使用pandas.to_datetime方法将这个字符串列转换为一个日期时间类型的列：

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

输出：

             timestamp                date
0  2018-01-01 01:01:01 2018-01-01 01:01:01
1  2019-02-15 20:20:20 2019-02-15 20:20:20

如上所示，我们可以使用to_datetime方法将包含时间戳的列转换为日期时间类型的列。

指定日期时间格式

在某些情况下，我们需要指定时间戳的格式。例如，如果我们的时间戳包含毫秒，我们需要指定格式为’%Y-%m-%d %H:%M:%S.%f’。

下面是一个示例，我们将创建一个包含带有毫秒的时间戳的DataFrame：

df = pd.DataFrame({'timestamp':['2018-01-01 01:01:01.123', '2019-02-15 20:20:20.456']})

print(df)

输出：

                 timestamp
0  2018-01-01 01:01:01.123
1  2019-02-15 20:20:20.456

现在，我们将使用pandas.to_datetime方法将这个字符串列转换为一个日期时间类型的列，并指定格式为’%Y-%m-%d %H:%M:%S.%f’：

df['date'] = pd.to_datetime(df['timestamp'], format='%Y-%m-%d %H:%M:%S.%f')
print(df)

输出：

                 timestamp                    date
0  2018-01-01 01:01:01.123 2018-01-01 01:01:01.123
1  2019-02-15 20:20:20.456 2019-02-15 20:20:20.456000

如上所示，我们可以使用format参数来指定时间戳的格式。

处理缺失值

在实际的数据分析中，我们经常会遇到缺失值。当存在缺失值时，pandas.to_datetime方法将返回NaT（Not a Time）。

下面是一个示例，我们将创建一个DataFrame，其中包含一个缺失值：

df = pd.DataFrame({'timestamp':['2018-01-01 01:01:01', '2019-02-15 20:20:20', None]})

print(df)

输出：

             timestamp
0  2018-01-01 01:01:01
1  2019-02-15 20:20:20
2                 None

现在，我们将使用pandas.to_datetime方法将这个字符串列转换为一个日期时间类型的列：

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

输出：

             timestamp                date
0  2018-01-01 01:01:01 2018-01-01 01:01:01
1  2019-02-15 20:20:20 2019-02-15 20:20:20
2                 None                 NaT