pandas to_datetime|极客教程

pandas to_datetime

在数据分析和处理中，日期和时间是一个常见的数据类型。而在Python中，pandas库提供了一个功能强大的函数to_datetime，用于将字符串或其他日期时间格式转换为pandas的Timestamp对象。

本文将详细解释pandas to_datetime的用法和参数，并给出一些示例。我们将从以下几个问题入手：

to_datetime的基本用法是什么？
如何处理不同格式的日期时间字符串？
如何使用format参数指定自定义日期时间格式？
如何处理缺失值和错误数据？
如何处理时区？
如何将to_datetime应用于整个DataFrame或Series？

让我们逐一回答这些问题。

1. `to_datetime`的基本用法

to_datetime函数可以将字符串转换为pandas的Timestamp对象。其基本用法如下所示：

pd.to_datetime(arg, format=None, errors='raise', dayfirst=False, yearfirst=False, exact=True, utc=None, box=True)

该函数的参数如下：

arg：待转换的日期时间字符串、整数、浮点数、列表、数组、Series、DataFrame或带有日期时间字符串的字典。
format：可选参数，用于指定输入字符串的自定义日期时间格式。
errors：可选参数，指定错误处理方式。默认值为’raise’，即遇到错误数据时抛出异常。其他可选值包括’ignore’（忽略错误值）和’coerce’（将错误值转换为NaT）。
更多参数详细信息可参考pandas官方文档。

接下来，我们将通过一些示例来演示to_datetime的用法。

2. 处理不同格式的日期时间字符串

to_datetime函数可以处理各种不同格式的日期时间字符串。例如，以下是一些常见的日期时间格式示例：

2022-01-01
2022-01-01 12:34:56
01-01-2022
01-Jan-2022
2022年1月1日

让我们使用to_datetime函数将这些不同格式的字符串转换为Timestamp对象：

import pandas as pd

date_strings = ['2022-01-01', '2022-01-01 12:34:56', '01-01-2022', '01-Jan-2022', '2022年1月1日']

dates = pd.to_datetime(date_strings)
print(dates)

输出如下：

DatetimeIndex(['2022-01-01 00:00:00', '2022-01-01 12:34:56', '2022-01-01 00:00:00', '2022-01-01 00:00:00', '2022-01-01 00:00:00'], dtype='datetime64[ns]', freq=None)

从输出可以看出，to_datetime函数成功地将不同格式的日期时间字符串转换为Timestamp对象。

3. 使用`format`参数指定自定义日期时间格式

有时，输入的日期时间字符串可能包含非标准的日期时间格式。在这种情况下，我们可以使用format参数来指定自定义的日期时间格式。format参数使用一些特殊的占位符来表示日期时间的不同部分。

以下是一些常见的日期时间占位符：

%Y：四位数年份
%m：两位数的月份
%d：两位数的日期
%H：24小时制的小时数
%M：分钟数
%S：秒数

让我们使用format参数将一个非标准格式的日期时间字符串转换为Timestamp对象：

import pandas as pd

date_string = '01-January-2022'

date = pd.to_datetime(date_string, format='%d-%B-%Y')
print(date)

输出如下：

2022-01-01 00:00:00

在本示例中，我们使用了format='%d-%B-%Y'参数来指定输入字符串的日期时间格式。%d表示两位数的日期，%B表示完整的月份名称，%Y表示四位数的年份。通过使用正确的占位符，我们成功地将非标准格式的日期时间字符串转换为了Timestamp对象。

4. 处理缺失值和错误数据

在实际数据中，经常会遇到缺失值或错误数据。to_datetime函数提供了errors参数，用于处理这些异常情况。

当errors='raise'时（默认值），遇到错误的数据将抛出异常。
当errors='ignore'时，遇到错误的数据将被忽略。
当errors='coerce'时，遇到错误的数据将被转换为NaT（Not a Time）。

让我们通过一个示例来演示这些错误处理方式：

import pandas as pd

date_strings = ['2022-01-01', '2022-01-01 12:34:56', 'Invalid Date']

# 默认模式，遇到错误数据抛出异常
dates_raise_error = pd.to_datetime(date_strings)
print(dates_raise_error)

# 忽略错误数据
dates_ignore_error = pd.to_datetime(date_strings, errors='ignore')
print(dates_ignore_error)

# 错误数据转换为NaT
dates_coerce_error = pd.to_datetime(date_strings, errors='coerce')
print(dates_coerce_error)

输出如下：

[Timestamp('2022-01-01 00:00:00') Timestamp('2022-01-01 12:34:56')
 'Invalid Date']
['2022-01-01' '2022-01-01 12:34:56' 'Invalid Date']
['2022-01-01 00:00:00' '2022-01-01 12:34:56' 'NaT']

从输出可以看出，当errors='raise'时，遇到错误数据会抛出异常。当errors='ignore'时，错误数据会被忽略。当errors='coerce'时，错误数据被转换为NaT。

5. 处理时区

to_datetime函数还可以处理时区信息。如果输入的日期时间字符串包含时区信息，to_datetime会自动将其转换为对应的时区。

以下是一个示例：

import pandas as pd

date_string = '2022-01-01 12:00:00+05:30'

date = pd.to_datetime(date_string)
print(date)

输出如下：

2022-01-01 12:00:00+05:30

从输出可以看出，to_datetime成功地将带有时区信息的字符串转换为Timestamp对象，并保留了时区信息。

pandas to_datetime