将日期类型的日期解析为 DDMMMYYYY

Question

目前我的数据的日期为 01JAN2017，我如何让 pandas 将其理解为日期类型，我需要数据为日期类型以便在不同的时间范围内对其进行过滤。我使用了下面的

data=pd.read_csv(input_path + 'data.txt',sep='|', parse_dates=['week'])

但是当我检查一周的数据类型时，它仍然显示为对象。

如果您还可以将我指向其他一些链接，那将非常有帮助，这样我就可以阅读更多相关信息

Answer 1

您可以使用 datetime.strptime() 将日期字符串解析为 datetime 对象：

>>> from datetime import datetime
>>> datetime.strptime("01JAN2017", "%d%b%Y")
>>> datetime.datetime(2017, 1, 1, 0, 0)

现在，要使 pandas 识别格式，您可以添加日期解析器函数：

dateparse = lambda dates: [pd.datetime.strptime(d, "%d%b%Y") for d in dates]
df = pd.read_csv(infile, parse_dates=["week"], date_parser=dateparse)

Answer 2

在pandasto_datetime方法是自然的选择

In [11]: D = {'Date': '01JAN2017'}
In [12]: df = pd.DataFrame(D, index=[0])
In [13]: df
Out[13]: 
        Date
0  01JAN2017
In [14]: df.dtypes
Out[14]: 
Date    object
dtype: object

# Datatime column is read as string
# use to_datetime to convert non-standard datetime values    

In [15]: df['Date'] = pd.to_datetime(df.Date, format='%d%b%Y')
In [16]: df.dtypes
Out[16]: 
Date    datetime64[ns]
dtype: object
In [17]: df['Date']
Out[17]: 
0   2017-01-01
Name: Date, dtype: datetime64[ns]

pd.read_csv的文档其实是建议你在datetime格式不是标准格式的时候使用to_datetime:

https://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_csv.html

If a column or index contains an unparseable date, the entire column or index will be returned unaltered as an object data type. For non-standard datetime parsing, use pd.to_datetime after pd.read_csv

将日期类型的日期解析为 DDMMMYYYY

Parse dates for datetype as DDMMMYYYY

python

pandas

datetime

strptime