pandas.to_datetime¶

pandas.to_datetime(*args, **kwargs)[source]¶

将参数转换为datetime。

参数：

arg：string，datetime，list，tuple，1-d array，Series

错误：{'ignore'，'raise'，'coerce'}，默认'raise'

如果'raise'，那么无效的解析将引发异常

如果'coerce'，那么无效的解析将被设置为NaT

如果'ignore'，那么无效的解析将返回输入

dayfirst：boolean，default False

如果arg是str或其列表喜欢，则指定日期解析顺序。如果为True，则首先解析日期，例如10/11/12被解析为2012-11-10。警告：dayfirst = True不是严格的，但是更倾向于首先解析（这是一个已知的错误，基于dateutil行为）。

yearfirst：boolean，default False

如果arg是str或其列表喜欢，则指定日期解析顺序。

如果为True，则首先解析日期，例如10/11/12被解析为2010-11-12。

如果dayfirst和yearfirst都为True，则前面是yearfirst（与dateutil相同）。

警告：yearfirst = True不是严格的，但是更喜欢用年前解析（这是一个已知的错误，基于dateutil beahavior）。

utc：boolean，默认值无

返回UTC DatetimeIndex if True（转换任何tz感知的datetime.datetime对象）。

框：boolean，默认值为True

如果True返回一个DatetimeIndex

如果False返回值的ndarray。

格式：string，默认值无

strftime解析时间，例如“％d /％m /％Y”，注意“％f”将解析一直到纳秒。

exact：boolean，默认值为True

如果为True，则需要完全匹配格式。

如果为False，请允许格式匹配目标字符串中的任何位置。

unit：string，default'ns'

arg（D，s，ms，us，ns）的单位表示历元中的单位（例如，unix时间戳），其是整数/浮点数。

infer_datetime_format：boolean，default False

如果True和没有给出格式，尝试推断datetime字符串的格式，如果可以推断，切换到更快的解析方法。在某些情况下，这可以将解析速度提高〜5-10x。

返回：

ret：datetime如果解析成功。

返回类型取决于输入：

list-like：DatetimeIndex

系列：datetime64系列dtype

标量：时间戳

如果不可能返回指定的类型（例如，当输入的任何元素在Timestamp.min之前或在Timestamp.max之后）返回将具有datetime.datetime类型（或correspoding array / Series）。

例子

从DataFrame的多个列组装datetime。键可以是常见的缩写，例如['year'，'month'，'day'，'minute'，'second'，'ms'，'us'，'ns']）

>>> df = pd.DataFrame({'year': [2015, 2016],
                       'month': [2, 3],
                       'day': [4, 5]})
>>> pd.to_datetime(df)
0   2015-02-04
1   2016-03-05
dtype: datetime64[ns]

如果日期不符合时间戳限制，则传递errors ='ignore'将返回原始输入，而不是引发任何异常。

传递错误='coerce'将强制超出边界的日期为NaT，以及强制非日期（或不可分析的日期）为NaT。

>>> pd.to_datetime('13000101', format='%Y%m%d', errors='ignore')
datetime.datetime(1300, 1, 1, 0, 0)
>>> pd.to_datetime('13000101', format='%Y%m%d', errors='coerce')
NaT

传递infer_datetime_format = True通常可以加快解析，如果它不是一个ISO8601格式，而是一个正规的格式。

>>> s = pd.Series(['3/11/2000', '3/12/2000', '3/13/2000']*1000)

>>> s.head()
  3/11/2000
  3/12/2000
  3/13/2000
  3/11/2000
  3/12/2000
dtype: object

>>> %timeit pd.to_datetime(s,infer_datetime_format=True)
100 loops, best of 3: 10.4 ms per loop

>>> %timeit pd.to_datetime(s,infer_datetime_format=False)
1 loop, best of 3: 471 ms per loop

目录

搜索

pandas.to_datetime¶