转换多种日期时间格式的python数据帧

Question

我有一个类似的pandas.dataframe（'col'列有两种格式）：

    col                            val
'12/1/2013'                       value1
'1/22/2014 12:00:01 AM'           value2
'12/10/2013'                      value3
'12/31/2013'                      value4 

我想把它们转换成日期时间，我正在考虑使用：

test_df['col']= test_df['col'].map(lambda x: datetime.strptime(x, '%m/%d/%Y'))    
test_df['col']= test_df['col'].map(lambda x: datetime.strptime(x, '%m/%d/%Y %H:%M %p'))

显然，它们中的任何一个都适用于整个df。我正在考虑使用try-and-except，但没有得到任何运气，有什么建议吗？

Answer 1

只需使用to_datetime，它就足以处理这两种格式：

In [4]:
df['col'] = pd.to_datetime(df['col'])
df.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 4 entries, 0 to 3
Data columns (total 2 columns):
col    4 non-null datetime64[ns]
val    4 non-null object
dtypes: datetime64[ns](1), object(1)
memory usage: 96.0+ bytes

df现在看起来是这样的：

In [5]:
df
Out[5]:
                  col     val
0 2013-12-01 00:00:00  value1
1 2014-01-22 00:00:01  value2
2 2013-12-10 00:00:00  value3
3 2013-12-31 00:00:00  value4

Answer 2

我在同一列Temps中有两种不同的日期格式，类似于OP，如下所示；

01.03.2017 00:00:00.000
01/03/2017 00:13

对于两个不同的代码片段，时间安排如下；

v['Timestamp1'] = pd.to_datetime(v.Temps)

耗时25.5408718585968秒

v['Timestamp'] = pd.to_datetime(v.Temps, format='%d/%m/%Y %H:%M', errors='coerce')
mask = v.Timestamp.isnull()
v.loc[mask, 'Timestamp'] = pd.to_datetime(v[mask]['Temps'], format='%d.%m.%Y %H:%M:%S.%f',
                                             errors='coerce')

耗时0.2923243045806885秒

换句话说，如果您的日期时间有少量已知格式，请不要在没有格式的情况下使用to_datetime！

Answer 3

您可以创建一个新列：

test_df['col1'] = pd.Timestamp(test_df['col']).to_datetime()

然后删除col并重命名col1。

Answer 4

它对我有用。我的专栏"fecha_hechos"中有两种格式。其中的格式：

• 2015年3月2日
• 2010年2月10日

我做的是：

carpetas_cdmx['Timestamp'] = pd.to_datetime(carpetas_cdmx.fecha_hechos, format='%Y/%m/%d %H:%M:%S', errors='coerce')
mask = carpetas_cdmx.Timestamp.isnull()
carpetas_cdmx.loc[mask, 'Timestamp'] = pd.to_datetime(carpetas_cdmx[mask]['fecha_hechos'], format='%d/%m/%Y %H:%M',errors='coerce')

是：carpetas_cdmx是我的DataFrame和fecha_hechos，我的格式为