pd.to_datetime中時間object轉換datetime範例

2022-06-16 18:02:38

dtype:datetime64，這是轉換過後的形式，其實你可以將原資料使用dtype檢視列，來看它的格式。你會發現它是object形式的。這個object格式一般是python用來記錄可變化的兌現的格式。這個格式並不能認出是時間格式，儘管我們一眼就能看出，但機器不行。

data = pd.read_csv('path')    # 獲取data資料
data['date'].head()  # 檢視一下日期列

0    01/02/1965
1    01/04/1965
2    01/05/1965
3    01/08/1965
4    01/09/1965
Name: Date, dtype: object

可以看出它為object格式，並非日期格式。

data['date_parsed'] = pd.to_datetime(data['date'], format="%m/%d/%y")

上面我們按python格式轉換時間，並新增到新的一列中去。

dara['date_parsed'].head()    #檢視一下結果
1
0    1965-01-02
1    1965-01-04
2    1965-01-05
3    1965-01-08
4    1965-01-09
 
Name: data_parsed, dtype: datetime64[ns]

處理過程中可能會出現問題：

/opt/conda/lib/python3.6/site-packages/pandas/core/tools/datetimes.py in _convert_listlike(arg, box, format, name, tz)
271 try:
272 result = array_strptime(arg, format, exact=exact,
--> 273 errors=errors)
274 except tslib.OutOfBoundsDatetime:
275 if errors == 'raise':

pandas/_libs/tslibs/strptime.pyx in pandas._libs.tslibs.strptime.array_strptime()

ValueError: time data '1975-02-23T02:58:41.000Z' does not match format '%m/%d/%Y' (match)

反覆的驗證後發現應該是原資料有問題，部分時間資料格式有誤：

比如： 1965-01-02，這是正常時間格式，但是有的時間資料是：1965-01-028、1969-011-26 等情況，時間資料長度超過正常的len=10.

因此我們需要資料預處理，清洗資料。

資料預處理

方式一

新增一列記錄為每行時間的長度，apply(len)：傳入len()函數，處理Date列資料。

data['over_long'] = data['Date'].apply(len)  # 新增一列記錄為每行時間的長度，apply(len)：傳入len()函數
data.loc[data['over_long'] > 10]    # 輸出大於正常資料的行   這裡會發現缺失有那麼幾行在作怪！！！

正常處理：

normal_dates = data.loc[data['over_long'] < 11]    # 篩選出正常資料
normal_dates = normal_dates.copy()        # 拷貝
normal_dates['data_parsed'] = pd.to_datetime(normal_dates['Date'],format='%m/%d/%Y')    # 再次轉換時間，沒有報錯
normal_dates['data_parsed'].head(10)    # 輸出檢視沒問題的資料

方式二

data['date_parsed'] = pd.to_datetime(data['Date'], format = "%m/%d/%Y", errors = 'coerce')

errors = 'coerce'

Pandas資料轉換時遇到不能轉換的資料轉為NaN的引數設定 errors='coerce'

Pandas 提供了一個可選的引數 errors，傳入 errors='coerce'，Pandas 遇到不能轉換的資料就會賦值為 NaN（Not a Number）

在這裡，Pandas 遇到不能轉化的時間資料後會賦值 Nan 並跳過。

方式三

data['date_parsed'] = pd.to_datetime(data['Date'], infer_datetime_format=True)

infer_datetime_format: boolean型別, default False

如果設定為True並且 parse_dates 可用，那麼pandas將嘗試轉換為日期型別，如果可以轉換，轉換方法並解析。在某些情況下會快5~10倍。

在這裡，Pandas 遇到不能轉化的時間資料後會跳過。

參考：

Link

到此這篇關於pd.to_datetime中時間object轉換datetime範例的文章就介紹到這了,更多相關pd.to_datetime 時間轉換datetime內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！

pd.to_datetime中時間object轉換datetime範例

目錄

資料預處理

方式一

方式二

方式三

參考：

熱門文章