将 Pandas DataFrame 中的列类型从字符串转换为 Datetime 格式

2025 年 1 月 9 日 | 阅读 7 分钟

当我们使用 Python 中的 Pandas DataFrame 处理数据时，很常见的情况是会遇到时间序列数据。Pandas 是一个强大的工具，可以处理 Python 中的时间序列数据，并且我们可能需要将给定数据集中的字符串转换为 Datetime 格式。

在本教程中，我们将学习如何将 DataFrame 列中的字符串转换为 "dd/mm/yy" 格式的日期时间。如果日期不是必需的格式，用户将无法对时间序列执行任何基于时间的运算。为了解决这个问题，我们需要将日期转换为所需的日期时间格式。

在 Python 中转换数据类型格式的不同方法

在本节中，我们将讨论可以使用的方法来将 Pandas DataFrame 列的数据类型从字符串更改为日期时间。

方法 1：使用 pandas.to_datetime() 函数

pandas.to_datetime() 函数是一个多功能工具，可将 DataFrame 列中的字符串转换为日期时间格式。此函数会自动推断日期字符串的格式，或允许您使用 format 参数显式指定格式。

示例

import pandas as pnd
 
# Creating the dataframe
data_frame = pnd.DataFrame({'Date':['12/05/2021', '11/21/2018', '01/12/2020'],
                'Event':['Music- Dance', 'Poetry- Songs', 'Theatre- Drama'],
                'Cost':[15400, 7000, 25000]})
 
# Print the dataframe
print ("The data is: ") 
print (data_frame)
 
# Here, we are checking the data type of the 'Date' column
data_frame.info()

输出

The data is: 
Date           Event                     Cost
0  12/05/2021    Music- Dance  15400
1  11/21/2018   Poetry- Songs   7000
2  01/12/2020  Theatre- Drama  25000

RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
#   Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
0   Date    3 non-null      object 
1   Event   3 non-null      object
2   Cost    3 non-null      int64 
dtypes: int64(1), object(2)
memory usage: 200.0+ bytes

在这里，我们在输出中可以看到 DataFrame 中“Date”列的数据类型是“object”，这意味着它是字符串。现在，我们将使用“pnd.to_datetime()”函数将数据类型转换为日期时间格式。

import pandas as pnd
 
# Creating the dataframe
data_frame = pnd.DataFrame({'Date':['12/05/2021', '11/21/2018', '01/12/2020'],
                'Event':['Music- Dance', 'Poetry- Songs', 'Theatre- Drama'],
                'Cost':[15400, 7000, 25000]})
 
# Print the dataframe
print ("The data is: ") 
print (data_frame)

# For converting the 'Date' column of DataFrame into datetime format
data_frame['Date'] = pnd.to_datetime(data_frame['Date'])

# Here, we are checking the data type of the 'Date' column
data_frame.info()

输出

The data is: 
Date           Event                     Cost
0  12/05/2021    Music- Dance  15400
1  11/21/2018   Poetry- Songs   7000
2  01/12/2020  Theatre- Drama  25000
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
#   Column  Non-Null Count  Dtype  
---  ------  --------------  -----         
0   Date    3 non-null      datetime64[ns] 
1   Event   3 non-null      object        
2   Cost    3 non-null      int64         
dtypes: datetime64[ns](1), int64(1), object(1)
memory usage: 200.0+ bytes

现在，我们可以看到 DataFrame 中“Data”列的格式已更改为日期时间格式。

方法 2：使用 DataFrame.astype() 函数。

DataFrame.astype() 函数可用于将 DataFrame 中的列转换为不同的数据类型，包括 datetime64 格式。但是，此方法不如 pandas.to_datetime() 灵活，因为它要求字符串采用可识别的日期时间格式。

示例

import pandas as pnd
 
# Creating the dataframe
data_frame = pnd.DataFrame({'Date':['12/05/2021', '11/21/2018', '01/12/2020'],
                'Event':['Music- Dance', 'Poetry- Songs', 'Theatre- Drama'],
                'Cost':[15400, 7000, 25000]})
 
# Print the dataframe
print ("The data is: ") 
print (data_frame)
 
# Here, we are checking the data type of the 'Date' column
data_frame.info()

输出

The data is: 
Date           Event                     Cost
0  12/05/2021    Music- Dance  15400
1  11/21/2018   Poetry- Songs   7000
2  01/12/2020  Theatre- Drama  25000
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
#   Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
0   Date    3 non-null      object 
1   Event   3 non-null      object
2   Cost    3 non-null      int64 
dtypes: int64(1), object(2)
memory usage: 200.0+ bytes

在这里，我们在输出中可以看到 DataFrame 中“Date”列的数据类型是“object”，这意味着它是字符串。现在，我们将使用“Data_Frame.astype()”函数将数据类型转换为日期时间格式。

import pandas as pnd
 
# Creating the dataframe
data_frame = pnd.DataFrame({'Date':['12/05/2021', '11/21/2018', '01/12/2020'],
                'Event':['Music- Dance', 'Poetry- Songs', 'Theatre- Drama'],
                'Cost':[15400, 7000, 25000]})
 
# Print the dataframe
print ("The data is: ") 
print (data_frame)
# For converting the 'Date' column of DataFrame into datetime format
data_frame['Date'] = data_frame['Date'].astype('datetime64[ns]')
 
# Here, we are checking the data type of the 'Date' column
data_frame.info()

输出

The data is: 
Date           Event   Cost
0  12/05/2021    Music- Dance  15400
1  11/21/2018   Poetry- Songs   7000
2  01/12/2020  Theatre- Drama  25000
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
#   Column  Non-Null Count  Dtype         
---  ------  --------------  -----         
0   Date    3 non-null      datetime64[ns] 
1   Event   3 non-null      object        
2   Cost    3 non-null      int64         
dtypes: datetime64[ns](1), int64(1), object(1)
memory usage: 200.0+ bytes

现在，我们可以看到通过使用 data_frame['Date'].astype('datetime64[ns]')，DataFrame 中“Data”列的格式已更改为日期时间格式。

方法 3

假设 DataFrame 列中有一个 "yymmdd" 格式的日期，我们需要将其从字符串转换为日期时间格式。

示例

import pandas as pnd
 
# Now, we will initialize the nested list with Dataset
play_list = [['210302', 67000], ['210901', 62000], ['210706', 61900],
            ['210402', 59000], ['210802', 74000], 
            ['210804', 54050], ['210109', 57650], ['210509', 67300], ['210209', 76600]]
 
# Creating a pandas DataFrame
data_frame = pnd.DataFrame(play_list,columns = ['Date','Patient Number'])
 
# Print the dataframe
print ("The data is: ") 
print (data_frame)
 
# Here, we are checking the data type of the 'Date' column
print (data_frame.dtypes)

输出

The data is: 
Date          Patient Number
0  210302           67000
1  210901           62000
2  210706           61900
3  210402           59000
4  210802           74000
5  210804           54050
6  210109           57650
7  210509           67300
8  210209           76600
Date              object 
Patient Number     int64
dtype: object

在这里，我们在输出中可以看到 DataFrame 中“Date”列的数据类型是“object”，这意味着它是字符串。现在，我们将使用“data_frame['Date'] = pnd.to_datetime(data_frame['Date'], format = '%y%m%d')”函数将数据类型转换为日期时间格式。

import pandas as pnd
 
# Now, we will initialize the nested list with Dataset
play_list = [['210302', 67000], ['210901', 62000], ['210706', 61900], 
            ['210402', 59000], ['210802', 74000], 
            ['210804', 54050], ['210109', 57650], ['210509', 67300], ['210209', 76600]]
 
# creating a pandas dataframe
data_frame = pnd.DataFrame(play_list,columns = ['Date','Patient Number'])
 
# Print the dataframe
print ("The data is: ") 
print (data_frame)

# For converting the 'Date' column of DataFrame into datetime format
data_frame['Date'] = pnd.to_datetime(data_frame['Date'], format = '%y%m%d')
 
# Here, we are checking the data type of the 'Date' column
print (data_frame.dtypes)

输出

The data is: 
Date         Patient Number
0  210302           67000
1  210901           62000
2  210706           61900
3  210402           59000
4  210802           74000
5  210804           54050
6  210109           57650
7  210509           67300
8  210209           76600
Date              datetime64[ns] 
Patient Number             int64
dtype: object

在上面的代码中，我们使用“pnd.to_datetime(data_frame['Date'], format = '%y%m%d')”函数将“Date”列的数据类型从“object”更改为“datetime64[ns]”。

方法 4

我们可以使用“pandas.to_datetime()”函数将多个列从“string”转换为“datetime”格式，即“YYYYMMDD”格式。

import pandas as pnd
# Initializing the nested list with Data set  
Dataset_list = [
    ['20210612', 54000, '20210812'],   
    ['20210814', 65000, '20210614'],   
    ['20210316', 71500, '20210316'],   
    ['20210519', 45000, '20210119'],   
    ['20210221', 98000, '20210221'],   
    ['20210124', 23000, '20210724'],   
    ['20210929', 12000, '20210924']
]   

# Creating a pandas dataframe  
data_frame = pnd.DataFrame(
    Dataset_list, columns=['Treatment_starting_Date', 'Patients Number', 'Treatment_ending_Date']
)

# Print the dataframe  
print("The data is:")   
print(data_frame)  

# Checking the data type of the columns  
print("Data types of the columns:")  
print(data_frame.dtypes)

输出

The data is: 
Treatment_starting_Date   Patients Number     Treatment_ending_Date
0   20210612                54000                20210812
1   20210814                65000                20210614
2   20210316                71500                20210316
3   20210519                45000                20210119
4   20210221                98000                20210221
5   20210124                23000                20210724
6   20210929                12000                20210924
Treatment_starting_Date    object 
Patients Number             int64
Treatment_ending_Date      object 
dtype: object

在这里，我们在输出中可以看到 DataFrame 中“Date”列的数据类型是“object”，这意味着它是字符串。现在，我们将使用“pnd.to_datetime(data_frame[''], format = '%y%m%d')”函数将“Date”列的数据类型转换为日期时间格式。

import pandas as pnd
 
# Initializing the nested list with Data set
Dataset_list = [['20210612', 54000, '20210812'],
               ['20210814', 65000, '20210614'],
               ['20210316', 71500, '20210316'],
               ['20210519', 45000, '20210119'],
               ['20210221', 98000, '20210221'],
               ['20210124', 23000, '20210724'],
               ['20210929', 12000, '20210924']]
 
# creating a pandas dataframe
data_frame = pnd.DataFrame(
  Dataset_list, columns = ['Treatment_starting_Date',
                         'Patients Number',
                         'Treatment_ending_Date'])
 
# Print the dataframe
print ("The data is: ") 
print (data_frame)


# For converting the multiple columns of DataFrame into datetime format
data_frame['Treatment_starting_Date'] = pnd.to_datetime(
                          data_frame['Treatment_starting_Date'],
                          format = '%Y%m%d'
)
data_frame['Treatment_ending_Date'] = pnd.to_datetime(
                          data_frame['Treatment_ending_Date'],
                          format = '%Y%m%d'
)
 
# Here, we are checking the data type of the 'Date' column
print (data_frame.dtypes)

输出

The data is: 
  Treatment_starting_Date  Patients Number Treatment_ending_Date
0                20210612            54000              20210812
1                20210814            65000              20210614
2                20210316            71500              20210316
3                20210519            45000              20210119
4                20210221            98000              20210221
5                20210124            23000              20210724
6                20210929            12000              20210924
 Treatment_starting_Date    datetime64[ns] 

Patients Number                     int64
 Treatment_ending_Date      datetime64[ns] 

dtype: object

在上面的输出中，我们可以看到“Treatment_starting_Date”和“Treatment_ending_Date”的数据类型已通过使用“pnd.to_datetime()”函数更改为日期时间格式。

结论

在本教程中，我们学习了在 Python 中将 Pandas DataFrame 的列类型从字符串转换为日期时间的各种方法。

下一主题Python | wxPython 模块

将 Pandas DataFrame 中的列类型从字符串转换为 Datetime 格式

在 Python 中转换数据类型格式的不同方法

方法 1：使用 pandas.to_datetime() 函数

方法 2：使用 DataFrame.astype() 函数。

方法 3

方法 4

结论

联系信息

关注我们

教程

面试题

在线编译器

Python

Java

.Net Framework

AI, ML and Data Science

Cloud Technology

B.Tech and MCA

Web Technology

PHP

Software Testing

Technical Interview

Java Interview

Python

Web Interview

Database Interview

B.Tech / MCA

Important Interview

Software Testing Interview

Company Interviews

Online Compilers

Multiple Choice Questions

Python 问题

将 Pandas DataFrame 中的列类型从字符串转换为 Datetime 格式

在 Python 中转换数据类型格式的不同方法

方法 1：使用 pandas.to_datetime() 函数

方法 2：使用 DataFrame.astype() 函数。

方法 3

方法 4

结论

相关帖子

统计学中使用 Python 的麦克斯韦分布

Python Pylance 模块

Python Tkinter - 顶级小部件

Python 中的 _new_

Python KeyError

使用 Python 开发桌面应用程序的最佳方式

如何使用 PyCharm

Python 中的 __getitem__()

Python 中的双枢轴快速排序

Python 如此流行的原因

订阅 Tpoint Tech

联系信息

关注我们

教程

面试题

在线编译器

Python 中的 getitem()