pd.to_datetime
时间: 2023-11-09 22:59:15 浏览: 37
`pd.to_datetime`是Pandas库中的一个函数,用于将字符串或日期时间对象转换为Pandas中的DateTime类型。它可以将多种格式的日期时间数据转换为标准格式,并可选地指定日期时间的格式。例如,可以将字符串"2022-01-01"转换为Pandas的DateTime类型。
示例代码:
```
import pandas as pd
date_str = '2022-01-01'
date = pd.to_datetime(date_str)
print(date)
print(type(date))
```
输出:
```
2022-01-01 00:00:00
<class 'pandas._libs.tslibs.timestamps.Timestamp'>
```
相关问题
pandas pd.to_datetime
pandas的pd.to_datetime()函数用于将一列数据转换为日期时间格式。它可以将字符串、numpy.datetime64或datetime.datetime对象转换为pandas的datetime64[ns]类型。
例如,你可以使用pd.to_datetime()函数将一列包含日期的字符串转换为日期时间格式的数据。比如,你可以使用以下代码将一个包含日期的字符串列转换为datetime64[ns]类型的数据:
```
import pandas as pd
data = pd.read_csv('police.csv')
data['stop_datetime'] = pd.to_datetime(data.stop_date)
```
这将把`data`中的`stop_date`列转换为`stop_datetime`列,使其变为datetime64[ns]类型的数据。
此外,pd.to_datetime()函数还可以将一个包含年、月、日等信息的数据框转换为日期时间格式的数据。对于一个包含年、月、日的数据框`df`,你可以使用以下代码将其转换为datetime64[ns]类型的数据:
```
pd.to_datetime(df[['year', 'month', 'day']])
```
这将把`df`中的`year`、`month`和`day`列转换为datetime64[ns]类型的数据。
pd.to_datetime用法
`pd.to_datetime()` 是 pandas 库中一个用于将日期字符串或日期序列转换为日期格式的函数。
常见用法如下:
1. 将单个日期字符串转换为日期格式:
```python
import pandas as pd
date_str = '2022-01-01'
date = pd.to_datetime(date_str)
print(date)
# 输出:2022-01-01 00:00:00
```
2. 将日期字符串序列转换为日期格式序列:
```python
import pandas as pd
date_strs = ['2022-01-01', '2022-02-01', '2022-03-01']
dates = pd.to_datetime(date_strs)
print(dates)
# 输出:DatetimeIndex(['2022-01-01', '2022-02-01', '2022-03-01'], dtype='datetime64[ns]', freq=None)
```
3. 将日期字符串序列转换为日期格式序列,并指定日期格式:
```python
import pandas as pd
date_strs = ['01-01-2022', '02-01-2022', '03-01-2022']
dates = pd.to_datetime(date_strs, format='%m-%d-%Y')
print(dates)
# 输出:DatetimeIndex(['2022-01-01', '2022-02-01', '2022-03-01'], dtype='datetime64[ns]', freq=None)
```
4. 将包含日期字符串的 DataFrame 列转换为日期格式列:
```python
import pandas as pd
df = pd.DataFrame({'date_str': ['2022-01-01', '2022-02-01', '2022-03-01']})
df['date'] = pd.to_datetime(df['date_str'])
print(df)
# 输出:
# date_str date
# 0 2022-01-01 2022-01-01
# 1 2022-02-01 2022-02-01
# 2 2022-03-01 2022-03-01
```