Python教程-在 Pandas DataFrame 中将列的数据类型从字符串转换为日期时间格式
当我们在 Python 的 Pandas DataFrame 中处理数据时，经常会遇到时间序列数据。Pandas 是 Python 中处理时间序列数据的强大工具，我们可能需要将给定数据集中的字符串转换为日期时间格式。
在本教程中，我们将学习如何将字符串格式的 DataFrame 列转换为日期时间格式，格式为 "dd/mm/yy"。如果日期不在所需格式中，用户将无法执行任何基于时间序列的操作。为了处理这个问题，我们需要将日期转换为所需的日期时间格式。
在 Python 中转换数据类型格式的不同方法：
在本部分，我们将讨论不同的方法，可以使用这些方法将 Pandas DataFrame 列的数据类型从字符串转换为日期时间格式：
方法 1：使用 pandas.to_datetime() 函数
在这种方法中，我们将使用 "pandas.to_datetime()" 函数来将 Pandas DataFrame 列的数据类型转换为日期时间。
示例：
import pandas as pnd
# Creating the dataframe
data_frame = pnd.DataFrame({'Date':['12/05/2021', '11/21/2018', '01/12/2020'],
'Event':['Music- Dance', 'Poetry- Songs', 'Theatre- Drama'],
'Cost':[15400, 7000, 25000]})
# Print the dataframe
print ("The data is: ")
print (data_frame)
# Here, we are checking the data type of the 'Date' column
data_frame.info() 输出：
The data is:
Date Event Cost
0 12/05/2021 Music- Dance 15400
1 11/21/2018 Poetry- Songs 7000
2 01/12/2020 Theatre- Drama 25000
RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 Date 3 non-null object
1 Event 3 non-null object
2 Cost 3 non-null int64
dtypes: int64(1), object(2)
memory usage: 200.0+ bytes在输出中，我们可以看到数据框中的“Date”列的数据类型为“object”，这意味着它是一个字符串。现在，我们将使用 "pnd.to_datetime()" 函数将数据类型转换为日期时间格式：
import pandas as pnd
# Creating the dataframe
data_frame = pnd.DataFrame({'Date':['12/05/2021', '11/21/2018', '01/12/2020'],
'Event':['Music- Dance', 'Poetry- Songs', 'Theatre- Drama'],
'Cost':[15400, 7000, 25000]})
# Print the dataframe
print ("The data is: ")
print (data_frame)
# For converting the 'Date' column of DataFrame into datetime format
data_frame['Date'] = pnd.to_datetime(data_frame['Date'])
# Here, we are checking the data type of the 'Date' column
data_frame.info() 输出：
The data is:
Date Event Cost
0 12/05/2021 Music- Dance 15400
1 11/21/2018 Poetry- Songs 7000
2 01/12/2020 Theatre- Drama 25000
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 Date 3 non-null datetime64[ns]
1 Event 3 non-null object
2 Cost 3 non-null int64
dtypes: datetime64[ns](1), int64(1), object(1)
memory usage: 200.0+ bytes现在，我们可以看到数据框中的“Date”列的格式已经更改为日期时间格式。
方法 2：使用 DataFrame.astype() 函数
在这种方法中，我们将使用 "DataFrame.astype()" 函数来将 Pandas DataFrame 列的数据类型转换为日期时间。
示例：
import pandas as pnd
# Creating the dataframe
data_frame = pnd.DataFrame({'Date':['12/05/2021', '11/21/2018', '01/12/2020'],
'Event':['Music- Dance', 'Poetry- Songs', 'Theatre- Drama'],
'Cost':[15400, 7000, 25000]})
# Print the dataframe
print ("The data is: ")
print (data_frame)
# Here, we are checking the data type of the 'Date' column
data_frame.info() 输出：
The data is:
Date Event Cost
0 12/05/2021 Music- Dance 15400
1 11/21/2018 Poetry- Songs 7000
2 01/12/2020 Theatre- Drama 25000
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 Date 3 non-null object
1 Event 3 non-null object
2 Cost 3 non-null int64
dtypes: int64(1), object(2)
memory usage: 200.0+ bytes在输出中，我们可以看到数据框中的“Date”列的数据类型为“object”，这意味着它是一个字符串。现在，我们将使用 "DataFrame.astype()" 函数将数据类型转换为日期时间格式：
import pandas as pnd
# Creating the dataframe
data_frame = pnd.DataFrame({'Date':['12/05/2021', '11/21/2018', '01/12/2020'],
'Event':['Music- Dance', 'Poetry- Songs', 'Theatre- Drama'],
'Cost':[15400, 7000, 25000]})
# Print the dataframe
print ("The data is: ")
print (data_frame)
# For converting the 'Date' column of DataFrame into datetime format
data_frame['Date'] = data_frame['Date'].astype('datetime64[ns]')
# Here, we are checking the data type of the 'Date' column
data_frame.info()输出：
The data is:
Date Event Cost
0 12/05/2021 Music- Dance 15400
1 11/21/2018 Poetry- Songs 7000
2 01/12/2020 Theatre- Drama 25000
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 Date 3 non-null datetime64[ns]
1 Event 3 non-null object
2 Cost 3 non-null int64
dtypes: datetime64[ns](1), int64(1), object(1)
memory usage: 200.0+ bytes现在，我们可以看到数据框中的“Date”列的格式已经更改为日期时间格式，使用 data_frame['Date'].astype('datetime64[ns]'。
方法 3：
假设我们在数据框列中的日期是 "yymmdd" 格式，我们需要将它从字符串转换为日期时间格式。
示例：
import pandas as pnd
# Now, we will initialize the nested list with Dataset
play_list = [['210302', 67000], ['210901', 62000], ['210706', 61900],
['210402', 59000], ['210802', 74000],
['210804', 54050], ['210109', 57650], ['210509', 67300], ['210209', 76600]]
# Creating a pandas DataFrame
data_frame = pnd.DataFrame(play_list,columns = ['Date','Patient Number'])
# Print the dataframe
print ("The data is: ")
print (data_frame)
# Here, we are checking the data type of the 'Date' column
print (data_frame.dtypes) 输出：
The data is:
Date Patient Number
0 210302 67000
1 210901 62000
2 210706 61900
3 210402 59000
4 210802 74000
5 210804 54050
6 210109 57650
7 210509 67300
8 210209 76600
Date object
Patient Number int64
dtype: object在输出中，我们可以看到数据框中的“Date”列的数据类型为“object”，这意味着它是一个字符串。现在，我们将使用 "pnd.to_datetime(data_frame['Date'], format = '%y%m%d')" 函数将数据类型转换为日期时间格式。
import pandas as pnd
# Now, we will initialize the nested list with Dataset
play_list = [['210302', 67000], ['210901', 62000], ['210706', 61900],
['210402', 59000], ['210802', 74000],
['210804', 54050], ['210109', 57650], ['210509', 67300], ['210209', 76600]]
# creating a pandas dataframe
data_frame = pnd.DataFrame(play_list,columns = ['Date','Patient Number'])
# Print the dataframe
print ("The data is: ")
print (data_frame)
# For converting the 'Date' column of DataFrame into datetime format
data_frame['Date'] = pnd.to_datetime(data_frame['Date'], format = '%y%m%d')
# Here, we are checking the data type of the 'Date' column
print (data_frame.dtypes) 输出：
The data is:
Date Patient Number
0 210302 67000
1 210901 62000
2 210706 61900
3 210402 59000
4 210802 74000
5 210804 54050
6 210109 57650
7 210509 67300
8 210209 76600
Date datetime64[ns]
Patient Number int64
dtype: object在上面的代码中，我们使用 "pnd.to_datetime(data_frame['Date'], format = '%y%m%d')" 函数将“Date”列的数据类型从“object”更改为“datetime64[ns]”。
方法 4：
我们可以使用 "pandas.to_datetime()" 函数将多列从“字符串”格式转换为“日期时间”格式，即“YYYYMMDD”格式。
# Initializing the nested list with Data set
Dataset_list = [['20210612', 54000, '20210812'],
['20210814', 65000, '20210614'],
['20210316', 71500, '20210316'],
['20210519', 45000, '20210119'],
['20210221', 98000, '20210221'],
['20210124', 23000, '20210724'],
['20210929', 12000, '20210924']]
# creating a pandas dataframe
data_frame = pnd.DataFrame(
Dataset_list, columns = ['Treatment_starting_Date',
'Patients Number',
'Treatment_ending_Date'])
# Print the dataframe
print ("The data is: ")
print (data_frame)
# Here, we are checking the data type of the 'Date' column
print (data_frame.dtypes) 输出:
The data is:
Treatment_starting_Date Patients Number Treatment_ending_Date
0 20210612 54000 20210812
1 20210814 65000 20210614
2 20210316 71500 20210316
3 20210519 45000 20210119
4 20210221 98000 20210221
5 20210124 23000 20210724
6 20210929 12000 20210924
Treatment_starting_Date object
Patients Number int64
Treatment_ending_Date object
dtype: object在上述输出中，我们可以看到数据框中的"Date"列的数据类型是"object"，这意味着它是一个字符串。现在，我们将使用 "pnd.to_datetime(data_frame[''], format = '%y%m%d')" 函数将"Date"列的数据类型转换为日期时间格式。
import pandas as pnd
# Initializing the nested list with Data set
Dataset_list = [['20210612', 54000, '20210812'],
['20210814', 65000, '20210614'],
['20210316', 71500, '20210316'],
['20210519', 45000, '20210119'],
['20210221', 98000, '20210221'],
['20210124', 23000, '20210724'],
['20210929', 12000, '20210924']]
# creating a pandas dataframe
data_frame = pnd.DataFrame(
Dataset_list, columns = ['Treatment_starting_Date',
'Patients Number',
'Treatment_ending_Date'])
# Print the dataframe
print ("The data is: ")
print (data_frame)
# For converting the multiple columns of DataFrame into datetime format
data_frame['Treatment_starting_Date'] = pnd.to_datetime(
data_frame['Treatment_starting_Date'],
format = '%Y%m%d'
)
data_frame['Treatment_ending_Date'] = pnd.to_datetime(
data_frame['Treatment_ending_Date'],
format = '%Y%m%d'
)
# Here, we are checking the data type of the 'Date' column
print (data_frame.dtypes) 输出:
The data is:
Treatment_starting_Date Patients Number Treatment_ending_Date
0 20210612 54000 20210812
1 20210814 65000 20210614
2 20210316 71500 20210316
3 20210519 45000 20210119
4 20210221 98000 20210221
5 20210124 23000 20210724
6 20210929 12000 20210924
Treatment_starting_Date datetime64[ns]
Patients Number int64
Treatment_ending_Date datetime64[ns]
dtype: object在上述输出中，我们可以看到，通过使用 "pnd.to_datetime()" 函数，"治疗开始日期"和"治疗结束日期"的数据类型已经更改为日期时间格式。
结论
在本教程中，我们学习了如何使用Python将Pandas数据框的列类型从字符串转换为日期时间的不同方法。
