Як перетворити дати у фреймі даних Pandas у тип даних „дата“?

У мене є кадр даних Pandas, один із стовпців містить рядки дат у форматі YYYY-MM-DD

Наприклад, '2013-10-28'

На даний момент dtypeколона є object.

Як перетворити значення стовпців у формат дати Pandas?

Використовуйте 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

По суті еквівалент @waitingkuo, але я б to_datetimeтут використав (здається, трохи чистіший і пропонує деякі додаткові функції, наприклад 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

Поводження ValueErrors
Якщо ви потрапили в ситуацію, коли робите

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

Кидає a

ValueError: Unknown string format

Це означає, що у вас є недійсні (непримусові) значення. Якщо у вас все в порядку з їх перетворенням pd.NaT, ви можете додати errors='coerce'аргумент до to_datetime:

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

Я думаю, багато даних надходить у Pandas з файлів CSV, і в цьому випадку ви можете просто перетворити дату під час початкового читання CSV:

dfcsv = pd.read_csv('xyz.csv', parse_dates=[0])де 0 відноситься до стовпця, в якому знаходиться дата.
Ви також можете додати , index_col=0туди, якщо хочете, щоб дата була вашим індексом.

Див. Https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_csv.html

Тепер ви можете це зробити df['column'].dt.date

Зауважте, що для об’єктів datetime, якщо ви не бачите години, коли всі вони 00:00:00, це не панди. Це ноутбук iPython, який намагається зробити речі виглядають красиво.

Ще один спосіб зробити це, і це добре працює, якщо у вас є кілька стовпців для перетворення в datetime.

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

Якщо ви хочете отримати формат DATE, а не DATETIME:

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

Може бути так, що дати потрібно переводити на іншу частоту. У цьому випадку я б запропонував встановити індекс за датами.

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

Після цього ви можете легше перетворити на формат дати, який вам найбільше знадобиться. Нижче я послідовно перетворююсь на ряд форматів дат, в кінцевому підсумку закінчуючись набором щоденних дат на початок місяця.

#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)

Для стислості я не показую, що запускаю такий код після кожного рядка вище:

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

Це дає мені такий результат:

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'>

Спробуйте перетворити один із рядків у мітку часу за допомогою функції pd.to_datetime, а потім використовуйте .map, щоб зіставити формуляр із цілим стовпцем

 #   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]

Для повноти, інший варіант, який може бути не найпростішим, трохи схожий на той, що запропонував @SSS, але використання, скоріше, бібліотеки дат та часу:

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