Comment puis-je convertir des dates dans les Pandas bloc de données à une "date" type de données?

J'ai une Pandas trame de données, l'une des colonnes contient des chaînes date au format 'YYYY-MM-DD' par exemple '2013-10-28'.

Au moment où le dtype de la colonne est "objet".

Comment puis-je convertir les valeurs de la colonne de Pandas format de date?

InformationsquelleAutor user7289 | 2013-05-31

79

Utilisation astype
```
In [31]: df
Out[31]: 
   a        time
0  1  2013-01-01
1  2  2013-01-02
2  3  2013-01-03

In [32]: df['time'] = df['time'].astype('datetime64[ns]')

In [33]: df
Out[33]: 
   a                time
0  1 2013-01-01 00:00:00
1  2 2013-01-02 00:00:00
2  3 2013-01-03 00:00:00
```
- Nice - merci - comment puis-je me débarrasser de l'00:00:00 à la fin de chaque jour?
- Les pandas timestamp ont à la fois la date et l'heure. Entendez-vous le convertir en python objet date?
- Yep, mais je suppose que le python objet date n'est pas pris en charge par les Pandas.
- Vous pouvez convertir par df['time'] = [time.date() for time in df['time']]
- ce qui ne l' [ns] veux dire, pouvez-vous faire la chaîne de texte à une date et enlever la partie du temps de cette date?
- c'est nanosecondes, et c'est la façon dont les dates sont stockées sous le capot une fois converties correctement (l'époque de temps en nanosecondes).
InformationsquelleAutor waitingkuo
92

Essentiellement équivalent à @waitingkuo, mais je voudrais utiliser to_datetime ici (il semble un peu plus propre, et propose quelques fonctionnalités supplémentaires par exemple dayfirst):
```
In [11]: df
Out[11]:
   a        time
0  1  2013-01-01
1  2  2013-01-02
2  3  2013-01-03

In [12]: pd.to_datetime(df['time'])
Out[12]:
0   2013-01-01 00:00:00
1   2013-01-02 00:00:00
2   2013-01-03 00:00:00
Name: time, dtype: datetime64[ns]

In [13]: df['time'] = pd.to_datetime(df['time'])

In [14]: df
Out[14]:
   a                time
0  1 2013-01-01 00:00:00
1  2 2013-01-02 00:00:00
2  3 2013-01-03 00:00:00
```
Manipulation ValueErrors

Si vous exécutez dans une situation où faire
```
df['time'] = pd.to_datetime(df['time'])
```
Jette un
```
ValueError: Unknown string format
```
Cela signifie que vous avez invalide (non-contrainte) des valeurs. Si vous êtes d'accord avec les avoir convertis à pd.NaT, vous pouvez ajouter un errors='coerce' argument to_datetime:
```
df['time'] = pd.to_datetime(df['time'], errors='coerce')
```
- Semble plus propre, je vous remercie pour les conseils.
- Sympa, je l'aime.
- Salut les Gars, @AndyHayden pouvez-vous retirer la partie temps à partir de la date? Je n'ai pas besoin de cette partie?
- Dans des pandas 0.13.1 la fuite 00:00:00s ne sont pas affichés.
- et qu'en est-il d'autres versions, comment faire pour supprimer et / ou de ne pas les afficher?
- Je ne pense pas que cela peut être fait en douceur, il y a une discussion pour ajouter date_format comme float_format (ce que vous avez vu). Je recommande la mise à niveau de toute façon.
- mon problème est que ma date est dans ce format... 41516.43, et j'obtiens cette erreur. Je m'attends à ce qu'il renvoie à quelque chose comme 2014-02-03 dans la nouvelle colonne?! LE message d'ERREUR: #convertir les valeurs de date dans le "load_date" colonne de dates budget_dataset['date_last_load'] = pd.to_datetime(budget_dataset['load_date']) budget_dataset -c:2: SettingWithCopyWarning: Une valeur est d'essayer d'être mis sur une copie d'une tranche à partir d'un DataFrame. Essayez d'utiliser .loc[row_index,col_indexer] = valeur à la place
- si la date n'est pas correctement convertis qui sonne comme un problème différent. Pourriez-vous poster cela comme une question à part, difficile à diagnostiquer ici.
- oui, c'est une représentation numérique de la date, mais il a deux décimales. Comme 41516.426 est fait = 30/08/2013 10:13:26 AM, je tiens d'abord à être en mesure de retourner le (date et heure), et j'aimerais ensuite les diviser en deux colonnes.
InformationsquelleAutor Andy Hayden
25

J'imagine que beaucoup de données dans les Pandas à partir de fichiers CSV, dans ce cas, vous pouvez simplement convertir la date lors de la première CSV lire:

dfcsv = pd.read_csv('xyz.csv', parse_dates=[0]) où le 0 fait référence à la colonne de la date est en.

Vous pouvez également ajouter , index_col=0 là-bas, si vous voulez la date de votre index.

Voir http://pandas.pydata.org/pandas-docs/stable/generated/pandas.io.parsers.read_csv.html
- Bon point, certainement vous devriez le faire.
InformationsquelleAutor fantabolous
18

Maintenant vous pouvez le faire df['column'].dt.date

Noter que, pour les objets datetime, si vous ne voyez pas l'heure quand ils sont tous 00:00:00, c'est pas des pandas. C'est iPython notebook en essayant de rendre les choses plus jolies.
- Celui-ci n'a pas fonctionné pour moi, il se plaint: il ne Peut utiliser .dt accesseur avec datetimelike valeurs
- vous pourriez avoir à faire df[col] = pd.to_datetime(df[col]) d'abord convertir votre colonne date du temps des objets.
- Le problème avec cette réponse, c'est qu'il convertit la colonne de dtype = object qui prend beaucoup plus de mémoire qu'un vrai datetime dtype dans les pandas.
InformationsquelleAutor szeitlin

Il se peut que les dates doivent être convertis à une fréquence différente. Dans ce cas, je suggère la fixation d'un index par dates.

#set an index by dates
df.set_index(['time'], drop=True, inplace=True)

Après cela, vous pouvez plus facilement convertir le type de format de date que vous aurez besoin de plus. Ci-dessous, je séquentiellement convertir à un certain nombre de formats de date, pour finir avec un ensemble de quotidien dates au début du mois.

#Convert to daily dates
df.index = pd.DatetimeIndex(data=df.index)

#Convert to monthly dates
df.index = df.index.to_period(freq='M')

#Convert to strings
df.index = df.index.strftime('%Y-%m')

#Convert to daily dates
df.index = pd.DatetimeIndex(data=df.index)

Par souci de concision, je ne montre pas que je exécutez le code suivant à la fin de chaque ligne ci-dessus:

print(df.index)
print(df.index.dtype)
print(type(df.index))

Cela me donne la sortie suivante:

Index(['2013-01-01', '2013-01-02', '2013-01-03'], dtype='object', name='time')
object
<class 'pandas.core.indexes.base.Index'>

DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03'], dtype='datetime64[ns]', name='time', freq=None)
datetime64[ns]
<class 'pandas.core.indexes.datetimes.DatetimeIndex'>

PeriodIndex(['2013-01', '2013-01', '2013-01'], dtype='period[M]', name='time', freq='M')
period[M]
<class 'pandas.core.indexes.period.PeriodIndex'>

Index(['2013-01', '2013-01', '2013-01'], dtype='object')
object
<class 'pandas.core.indexes.base.Index'>

DatetimeIndex(['2013-01-01', '2013-01-01', '2013-01-01'], dtype='datetime64[ns]', freq=None)
datetime64[ns]
<class 'pandas.core.indexes.datetimes.DatetimeIndex'>

InformationsquelleAutor Ted M.

0

Une autre façon de le faire et cela fonctionne bien si vous avez plusieurs colonnes pour convertir de type datetime.
```
cols = ['date1','date2']
df[cols] = df[cols].apply(pd.to_datetime)
```
- Question demander la date n'est pas de type datetime.
InformationsquelleAutor SSS

Vous devez vous connecter pour publier un commentaire.