python pandas，将多个字符串的列转换为时间

Question

i有一个pandas dataframe，由许多列组成，这些列是以时代表示的字符串（例如" 8：14：30.123"）。是否有一种有效的方法将所有这些列转换为数值？我进行了一些研究并找到了熊猫to_datetime()功能，但一次仅适用于一个列，而且我有太多的列以迭代。

Answer 1

您可以通过它们迭代并应用to_datetime函数或

当您以CSV的方式读取它时，请使用parse_dates参数：

parse_dates：boolean，ints或名称列表，列表列表或dict 如果是正确的 ->尝试解析索引。如果[1，2，3] ->尝试解析列 1、2、3每个作为单独的日期列。如果[[1，3]] ->组合列 1和3，分析作为单个日期列。{‘foo’：[1，3]} ->解析 第1列1，3作为日期和呼叫结果" foo"有一个快速路径 ISO8601格式日期。

更新：

如果您想要的速度，最好使用以下功能将列转换为DateTime。

def lookup(s):
    """
    This is an extremely fast approach to datetime parsing.
    For large data, the same dates are often repeated. Rather than
    re-parse these, we store all unique dates, parse them, and
    use a lookup to convert all dates.
    """
    dates = {date:pd.to_datetime(date) for date in s.unique()}
    return s.apply(lambda v: dates[v])

优势是，重复的日期将被查找，而不是一次又一次地转换为日期时间。似乎有很大的速度差异：

$ python date-parse.py
to_datetime: 5799 ms
dateutil:    5162 ms
strptime:    1651 ms
manual:       242 ms
lookup:        32 ms

来源：https：//github.com/sanand0/benchmarks/tree/master/date-parse