Risposte:
Il modo più semplice è usare to_datetime
:
df['col'] = pd.to_datetime(df['col'])
Offre anche un dayfirst
argomento per i tempi europei (ma attenzione, questo non è severo ).
Eccolo in azione:
In [11]: pd.to_datetime(pd.Series(['05/23/2005']))
Out[11]:
0 2005-05-23 00:00:00
dtype: datetime64[ns]
Puoi passare un formato specifico :
In [12]: pd.to_datetime(pd.Series(['05/23/2005']), format="%m/%d/%Y")
Out[12]:
0 2005-05-23
dtype: datetime64[ns]
DatetimeIndex(df['col']).to_pydatetime()
dovrebbe funzionare.
SettingWithCopyWarning
materiale a sufficienza
Se la colonna della tua data è una stringa del formato '01-01-2017' puoi usare l'astype panda per convertirla in datetime.
df['date'] = df['date'].astype('datetime64[ns]')
oppure utilizzare datetime64 [D] se si desidera la precisione del giorno e non i nanosecondi
print(type(df_launath['date'].iloc[0]))
i rendimenti
<class 'pandas._libs.tslib.Timestamp'>
lo stesso di quando usi pandas.to_datetime
Puoi provarlo con altri formati, quindi '% Y-% m-% d' ma almeno funziona.
È possibile utilizzare quanto segue se si desidera specificare formati difficili:
df['date_col'] = pd.to_datetime(df['date_col'], format='%d/%m/%Y')
Maggiori dettagli format
qui:
Se hai un mix di formati nella tua data, non dimenticare di impostare infer_datetime_format=True
per semplificarti la vita
df['date'] = pd.to_datetime(df['date'], infer_datetime_format=True)
Fonte: pd.to_datetime
o se vuoi un approccio personalizzato:
def autoconvert_datetime(value):
formats = ['%m/%d/%Y', '%m-%d-%y'] # formats to try
result_format = '%d-%m-%Y' # output format
for dt_format in formats:
try:
dt_obj = datetime.strptime(value, dt_format)
return dt_obj.strftime(result_format)
except Exception as e: # throws exception when format doesn't match
pass
return value # let it be if it doesn't match
df['date'] = df['date'].apply(autoconvert_datetime)