Làm cách nào để chuyển đổi ngày tháng trong khung dữ liệu Pandas thành kiểu dữ liệu 'ngày tháng'?

Tôi có một khung dữ liệu Pandas, một trong các cột chứa các chuỗi ngày ở định dạng YYYY-MM-DD

Ví dụ '2013-10-28'

Tại thời điểm này dtype, cột là object.

Làm cách nào để chuyển đổi các giá trị cột sang định dạng ngày tháng Pandas?

Sử dụng astype

In [31]: df
Out[31]: 
   a        time
0  1  2013-01-01
1  2  2013-01-02
2  3  2013-01-03

In [32]: df['time'] = df['time'].astype('datetime64[ns]')

In [33]: df
Out[33]: 
   a                time
0  1 2013-01-01 00:00:00
1  2 2013-01-02 00:00:00
2  3 2013-01-03 00:00:00

Về cơ bản tương đương với @waitingkuo, nhưng tôi sẽ sử dụng to_datetimeở đây (nó có vẻ gọn gàng hơn một chút và cung cấp một số chức năng bổ sung, ví dụ dayfirst):

In [11]: df
Out[11]:
   a        time
0  1  2013-01-01
1  2  2013-01-02
2  3  2013-01-03

In [12]: pd.to_datetime(df['time'])
Out[12]:
0   2013-01-01 00:00:00
1   2013-01-02 00:00:00
2   2013-01-03 00:00:00
Name: time, dtype: datetime64[ns]

In [13]: df['time'] = pd.to_datetime(df['time'])

In [14]: df
Out[14]:
   a                time
0  1 2013-01-01 00:00:00
1  2 2013-01-02 00:00:00
2  3 2013-01-03 00:00:00

Xử lý ValueErrors
Nếu bạn gặp phải tình huống làm

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

Ném một

ValueError: Unknown string format

Điều đó có nghĩa là bạn có các giá trị không hợp lệ (không thể cưỡng chế). Nếu bạn đồng ý với việc chuyển đổi chúng thành pd.NaT, bạn có thể thêm errors='coerce'đối số vào to_datetime:

df['time'] = pd.to_datetime(df['time'], errors='coerce')

Tôi tưởng tượng rất nhiều dữ liệu được đưa vào Pandas từ tệp CSV, trong trường hợp đó bạn có thể chỉ cần chuyển đổi ngày trong lần đọc CSV ban đầu:

dfcsv = pd.read_csv('xyz.csv', parse_dates=[0])trong đó số 0 đề cập đến cột ngày tháng.
Bạn cũng có thể thêm , index_col=0vào đó nếu bạn muốn ngày làm chỉ mục của mình.

Xem https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_csv.html

Bây giờ bạn có thể làm df['column'].dt.date

Lưu ý rằng đối với các đối tượng datetime, nếu bạn không thấy giờ khi tất cả chúng đều là 00:00:00 thì đó không phải là gấu trúc. Đó là máy tính xách tay iPython đang cố gắng làm cho mọi thứ trông đẹp đẽ.

Một cách khác để làm điều này và điều này hoạt động tốt nếu bạn có nhiều cột để chuyển đổi sang ngày giờ.

cols = ['date1','date2']
df[cols] = df[cols].apply(pd.to_datetime)

Nếu bạn muốn nhận định dạng DATE chứ không phải DATETIME:

df["id_date"] = pd.to_datetime(df["id_date"]).dt.date

Có thể có trường hợp ngày tháng cần được chuyển đổi sang một tần số khác. Trong trường hợp này, tôi khuyên bạn nên đặt chỉ mục theo ngày.

#set an index by dates
df.set_index(['time'], drop=True, inplace=True)

Sau đó, bạn có thể dễ dàng chuyển đổi sang loại định dạng ngày tháng mà bạn cần nhất. Dưới đây, tôi chuyển đổi tuần tự sang một số định dạng ngày, cuối cùng kết thúc bằng một bộ ngày hàng ngày vào đầu tháng.

#Convert to daily dates
df.index = pd.DatetimeIndex(data=df.index)

#Convert to monthly dates
df.index = df.index.to_period(freq='M')

#Convert to strings
df.index = df.index.strftime('%Y-%m')

#Convert to daily dates
df.index = pd.DatetimeIndex(data=df.index)

Để ngắn gọn, tôi không cho thấy rằng tôi chạy mã sau sau mỗi dòng ở trên:

print(df.index)
print(df.index.dtype)
print(type(df.index))

Điều này cho tôi kết quả sau:

Index(['2013-01-01', '2013-01-02', '2013-01-03'], dtype='object', name='time')
object
<class 'pandas.core.indexes.base.Index'>

DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03'], dtype='datetime64[ns]', name='time', freq=None)
datetime64[ns]
<class 'pandas.core.indexes.datetimes.DatetimeIndex'>

PeriodIndex(['2013-01', '2013-01', '2013-01'], dtype='period[M]', name='time', freq='M')
period[M]
<class 'pandas.core.indexes.period.PeriodIndex'>

Index(['2013-01', '2013-01', '2013-01'], dtype='object')
object
<class 'pandas.core.indexes.base.Index'>

DatetimeIndex(['2013-01-01', '2013-01-01', '2013-01-01'], dtype='datetime64[ns]', freq=None)
datetime64[ns]
<class 'pandas.core.indexes.datetimes.DatetimeIndex'>

Cố gắng chuyển đổi một trong các hàng thành dấu thời gian bằng cách sử dụng hàm pd.to_datetime và sau đó sử dụng .map để ánh xạ biểu mẫu cho toàn bộ cột

 #   Column          Non-Null Count   Dtype         
---  ------          --------------   -----         
 0   startDay        110526 non-null  object
 1   endDay          110526 non-null  object

import pandas as pd

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

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

 #   Column          Non-Null Count   Dtype         
---  ------          --------------   -----         
 0   startDay        110526 non-null  datetime64[ns]
 1   endDay          110526 non-null  datetime64[ns]

Để hoàn thiện, một tùy chọn khác, có thể không phải là lựa chọn đơn giản nhất, hơi giống với tùy chọn được đề xuất bởi @SSS, nhưng sử dụng thư viện datetime là:

import datetime
df["Date"] = df["Date"].apply(lambda x: datetime.datetime.strptime(x, '%Y-%d-%m').date())