Pandas: конвертировать столбец в формат datetime [дубликат]
Если вы не хотите изменять фрейм данных, вы можете использовать пользовательский форматтер для этого столбца.
import pandas as pd
pd.options.display.float_format = '${:,.2f}'.format
df = pd.DataFrame([123.4567, 234.5678, 345.6789, 456.7890],
index=['foo','bar','baz','quux'],
columns=['cost'])
print df.to_string(formatters={'cost':'${:,.2f}'.format})
дает
cost
foo $123.46
bar $234.57
baz $345.68
quux $456.79
5 ответов
Начиная с версии 0.15.0 это теперь можно легко сделать, используя .dt для доступа только к компоненту даты:
df['just_date'] = df['dates'].dt.date
Вышеприведенный возвращает datetime.date dtype , если вы хотите иметь datetime64, тогда вы можете просто normalize компонент времени до полуночи, чтобы он установил все значения в 00:00:00:
df['normalised_date'] = df['dates'].dt.normalize()
Это сохраняет dtype как datetime64, но на дисплее отображается только значение date.
Преобразование в datetime64[D]:
df.dates.values.astype('M8[D]')
Хотя повторное назначение этого в DataFrame col вернет его обратно к [ns].
Если вы действительно хотите datetime.date:
dt = pd.DatetimeIndex(df.dates)
dates = np.array([datetime.date(*date_tuple) for date_tuple in zip(dt.year, dt.month, dt.day)])
-
1Если вы используете astype ('M8 [D]'), он преобразует отсутствующие значения в дату начала, 1970-1-1. Вероятно, лучше просто использовать pandas.to_datetime () в настоящее время. – Stewbaca 20 July 2016 в 16:05
У Pandas DatetimeIndex и Series есть метод, называемый normalize , который делает именно то, что вы хотите.
Вы можете узнать больше об этом в this answer .
он будет записан как ser.dt.normalize()
Это простой способ извлечь дату:
import pandas as pd
d='2015-01-08 22:44:09'
date=pd.to_datetime(d).date()
print(date)
-
1OP уже использует метод .date () в своем вопросе, поэтому это решение не отвечает на их вопрос, но мне было полезно увидеть простой пример использования метода date () как ссылку. – Nic Scozzaro 14 March 2018 в 23:58
Хотя я одобрил ответ EdChum, который является самым прямым ответом на поставленный OP вопрос, он действительно не решает проблему производительности (он все еще полагается на объекты python datetime, и, следовательно, любая операция на них будет не [gg]
Лучшей альтернативой является использование df['dates'].dt.floor('d'). Строго говоря, он не «сохраняет только дату», поскольку он просто устанавливает время на 00:00:00. Но он работает по желанию OP, когда, например:
- печать на экран
- сохранение в csv
- с использованием столбца в
groupby
... и это намного эффективнее, так как операция векторизована.
EDIT: на самом деле ответ, который предпочли бы OP, вероятно, последние версии pandas do not записывают время в csv, если оно 00:00:00 для всех наблюдений ».
-
1
-
2@IanS вы имеете в виду при использовании
date_format='iso'?! По умолчанию он просто выводит секунды с эпохи. – Pietro Battiston 20 May 2017 в 06:40 -
3
-
4
-
5Это быстрее, чем
dt.normalize()в серии длиннее нескольких сотен элементов. – C8H10N4O2 21 July 2017 в 20:20
df['just_date']имеетobjectdtype (и так, например, нет.dtaccessor) ... любым способом избежать этого? – Pietro Battiston 18 January 2017 в 10:44df['just_date'] = pd.to_datetime(df['just_date']), вам может потребоваться передатьformatarg вto_datetime, если он не может вывести формат – EdChum 18 January 2017 в 10:50datetime.date... но это говорит, что повторное воспроизведениеpd.to_datetimeна нем, кажется, работает отлично, спасибо! – Pietro Battiston 18 January 2017 в 12:41df['dates'].dt.normalize(), чтобы нормализовать время до полуночи, а также то, что OP следует, чтобы не писать компонент времени в csv – EdChum 4 July 2017 в 08:20