Pandas 提供了若干個(gè)函數(shù)來(lái)格式化時(shí)間。

把字符串轉(zhuǎn)為時(shí)間格式

其中，最常用的是 to_datetime() 函數(shù)。

可以使用 to_datetime() 函數(shù)將一個(gè)字符串解析為時(shí)間，并指定字符串的格式。例如：

import pandas as pd

# 將字符串 "2022-01-01" 轉(zhuǎn)為時(shí)間格式
time = pd.to_datetime("2022-01-01", format="%Y-%m-%d")

print(time)

輸出：

<class 'pandas._libs.tslibs.timestamps.Timestamp'>:2022-01-01 00:00:00

把時(shí)間格式化為字符串

還可以使用 strftime() 函數(shù)將時(shí)間格式化為字符串。例如：

import pandas as pd

# 將時(shí)間 "2022-01-01 00:00:00" 格式化為字符串
time_str = pd.to_datetime("2022-01-01 00:00:00").strftime("%Y-%m-%d")

print(time_str)

輸出：

<class 'str'>:2022-01-01

格式化某一列的時(shí)間為字符串

如果想要格式化某一列中的時(shí)間，可以使用 pandas 的 to_datetime 函數(shù)。

例如，假設(shè)你有一個(gè)名為 df 的數(shù)據(jù)，并且你想要格式化其中一列名為 “Date” 的時(shí)間列，你可以這樣做：

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

這將會(huì)將 “Date” 列中的所有時(shí)間轉(zhuǎn)換為 Pandas 的時(shí)間數(shù)據(jù)類型。你也可以指定一個(gè)特定的時(shí)間格式，例如：

df['Date'] = pd.to_datetime(df['Date'], format='%Y-%m-%d %H:%M:%S')

這將會(huì)將 “Date” 列中的所有時(shí)間按照指定的格式轉(zhuǎn)換為 Pandas 的時(shí)間數(shù)據(jù)類型。

遇到的錯(cuò)誤

但是，我在修改以下數(shù)據(jù)的格式時(shí)，想要把listed_date和delisted_date格式化為字符串，出現(xiàn)了錯(cuò)誤。

      sec_id  sec_name               listed_date             delisted_date
2716  hc2301  熱軋卷板2301 2022-01-18 00:00:00+08:00 2023-01-16 00:00:00+08:00
2717  hc2302  熱軋卷板2302 2022-02-16 00:00:00+08:00 2023-02-15 00:00:00+08:00
2718  hc2303  熱軋卷板2303 2022-03-16 00:00:00+08:00 2023-03-15 00:00:00+08:00
2719  hc2304  熱軋卷板2304 2022-04-18 00:00:00+08:00 2023-04-17 00:00:00+08:00
2720  hc2305  熱軋卷板2305 2022-05-17 00:00:00+08:00 2023-05-15 00:00:00+08:00
2721  hc2306  熱軋卷板2306 2022-06-16 00:00:00+08:00 2023-06-15 00:00:00+08:00
2722  hc2307  熱軋卷板2307 2022-07-18 00:00:00+08:00 2023-07-17 00:00:00+08:00
2723  hc2308  熱軋卷板2308 2022-08-16 00:00:00+08:00 2023-08-15 00:00:00+08:00
2724  hc2309  熱軋卷板2309 2022-09-16 00:00:00+08:00 2023-09-15 00:00:00+08:00
2725  hc2310  熱軋卷板2310 2022-10-18 00:00:00+08:00 2023-10-16 00:00:00+08:00
2726  hc2311  熱軋卷板2311 2022-11-16 00:00:00+08:00 2023-11-15 00:00:00+08:00
2727  hc2312  熱軋卷板2312 2022-12-16 00:00:00+08:00 2023-12-15 00:00:00+08:00

格式化代碼如下：

data_choose['listed_date'] = data_choose['listed_date'].dt.strftime('%Y-%m-%d %H:%M:%S')
data_choose['delisted_date'] = data_choose['delisted_date'].dt.strftime('%Y-%m-%d %H:%M:%S')

報(bào)錯(cuò)：

SettingWithCopyWarning:      
A value is trying to be set on a copy of a slice from a DataFrame

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy

推測(cè)錯(cuò)誤原因：

不能直接修改原來(lái)的dataframe上的列，然后再替換原來(lái)的列數(shù)據(jù)。

于是，復(fù)制了一個(gè)數(shù)據(jù)副本：

data_new = data_choose.copy()

data_new['listed_date'] = data_choose['listed_date'].dt.strftime('%Y-%m-%d %H:%M:%S')
data_new['delisted_date'] = data_choose['delisted_date'].dt.strftime('%Y-%m-%d %H:%M:%S')

在復(fù)制的數(shù)據(jù)上進(jìn)行修改，果然沒再報(bào)錯(cuò)。

輸出：

      sec_id  sec_name          listed_date        delisted_date
2716  hc2301  熱軋卷板2301  2022-01-18 00:00:00  2023-01-16 00:00:00
2717  hc2302  熱軋卷板2302  2022-02-16 00:00:00  2023-02-15 00:00:00
2718  hc2303  熱軋卷板2303  2022-03-16 00:00:00  2023-03-15 00:00:00
2719  hc2304  熱軋卷板2304  2022-04-18 00:00:00  2023-04-17 00:00:00
2720  hc2305  熱軋卷板2305  2022-05-17 00:00:00  2023-05-15 00:00:00
2721  hc2306  熱軋卷板2306  2022-06-16 00:00:00  2023-06-15 00:00:00
2722  hc2307  熱軋卷板2307  2022-07-18 00:00:00  2023-07-17 00:00:00
2723  hc2308  熱軋卷板2308  2022-08-16 00:00:00  2023-08-15 00:00:00
2724  hc2309  熱軋卷板2309  2022-09-16 00:00:00  2023-09-15 00:00:00
2725  hc2310  熱軋卷板2310  2022-10-18 00:00:00  2023-10-16 00:00:00
2726  hc2311  熱軋卷板2311  2022-11-16 00:00:00  2023-11-15 00:00:00
2727  hc2312  熱軋卷板2312  2022-12-16 00:00:00  2023-12-15 00:00:00

使用apply(）和lambda函數(shù)

另一種格式化方式，并不會(huì)出錯(cuò)：

# 把日期改為字符串
data_choose.listed_date = data_choose.listed_date.apply(lambda x: x.strftime("%Y-%m-%d %H:%M:%S"))
# 把時(shí)間列轉(zhuǎn)為字符串
data_choose.delisted_date = data_choose.delisted_date.apply(lambda x: x.strftime("%Y-%m-%d %H:%M:%S"))

這里對(duì)列使用了apply(）和lambda函數(shù)，相當(dāng)于遍歷列的數(shù)據(jù)進(jìn)行修改替換。

把某一列轉(zhuǎn)為時(shí)間格式
直接使用pd.to_datetime()就可以了。

這里不會(huì)出現(xiàn)錯(cuò)誤。

# 把列轉(zhuǎn)為時(shí)間格式
data_new.listed_date = pd.to_datetime(data_new.listed_date)
data_new.delisted_date = pd.to_datetime(data_new.delisted_date)

到此這篇關(guān)于Pandas中字符串和時(shí)間轉(zhuǎn)換與格式化的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)Pandas 字符串和時(shí)間轉(zhuǎn)換內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論