logo标签列表

使用pandas.to_datetime时仅保留日期部分

pythonpandascsvdatetimeseries
399

我使用 pandas.to_datetime 来解析我的数据中的日期。尽管这些日期只有每天的时间，但默认情况下Pandas使用datetime64[ns]来表示日期。 我想知道是否有一种优雅/聪明的方式将这些日期转换为datetime.date或datetime64[D]，以便在将数据写入CSV时，日期不会附加上00:00:00。我知道我可以逐个元素手动转换类型：

[dt.to_datetime().date() for dt in df.dates]

但是由于我有很多行，这种方法非常慢，而且有点违背使用 pandas.to_datetime 的初衷。有没有一种方法可以一次转换整个列的dtype？或者，pandas.to_datetime是否支持精度规格，以便我在处理每日数据时可以去掉时间部分？

13个回答
4
在超过1000000行的表格中，我发现这两种方法都很快，而使用“floor”函数略快一些：
df['mydate'] = df.index.floor('d')

或者
df['mydate'] = df.index.normalize()

如果您的索引具有时区信息，但不希望在结果中显示，请执行以下操作：

df['mydate'] = df.index.tz_localize(None).floor('d')

df.index.date 的速度慢很多；to_datetime() 更糟糕。两者的进一步劣势是，结果无法保存到 hdf 存储中，因为它不支持类型 datetime.date。

请注意，我在这里使用索引作为日期源；如果您的来源是另一列，则需要添加 .dt，例如 df.mycol.dt.floor('d')。

1
这对我来说很有用，针对UTC时间戳（2020-08-19T09:12:57.945888）有效。
for di, i in enumerate(df['YourColumnName']):
    df['YourColumnName'][di] = pd.Timestamp(i)
0
如果该列尚未处于日期时间格式：
df['DTformat'] = pd.to_datetime(df['col'])

一旦它处于日期时间格式，您可以像这样将整个列转换为仅日期：
df['DateOnly'] = df['DTformat'].apply(lambda x: x.date())
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接