我在一个 Dataframe 中有一个名为Time的列，如下所示：
599359 12:32:25
326816 17:55:22
326815 17:55:22
358789 12:48:25
361553 12:06:45
...
814512 21:22:07
268266 18:57:31
659699 14:28:20
659698 14:28:20
268179 17:48:53
Name: Time, Length: 546967, dtype: object现在它是一个object dtype，我尝试了以下方法将其转换为datetime：df['Time'] = pd.to_datetime(df['Time'], format='%H:%M:%S', errors='coerce', utc = True).dt.time
我知道需要.dt.time方法来防止添加年和月，但我相信这会导致dtype恢复为对象。
有什么解决办法吗？我知道我可以df['Time'] = df['Time'].apply(pd.to_datetime, format='%H:%M:%S', errors='coerce', utc = True)
但我有超过50万行，这要花很长时间。
1条答案
按热度按时间ccrfmcuu1#
当您执行此操作时：
df['Time'] = pd.to_datetime(df['Time'], format='%H:%M:%S', errors='coerce', utc = True).dt.time，您正在将'Time'列转换为将pd.dtype转换为object...并且该"对象"是python类型datetime.time。panda的dtype
pd.datetime与python的datetime.datetime对象是不同的类型，而且panda的pd.datetime不支持time对象（也就是说，你不能让panda把一个列当作一个日期时间而不提供年份），这是dtype被修改为object的原因。在第二种方法中，这里发生了一些稍微不同的事情，在这个例子中你把
pd.to_datetime应用到'Time'系列的每个标量元素上，取一个look at the return types of the function in the docs,，但是基本上在这个例子中，df中的时间值在1900年1月1日被转换成pd.datetime对象。（即添加默认日期）。因此：panda的行为是正确的。如果你只想要时间，那么可以使用列中的
datetime.time对象。但是要操作它们，你可能要依赖许多[慢]df.apply方法。或者，只要保持默认日期1900-01-01，然后您可以添加/减去pd.datetime列，并获得Pandas的速度优势。你看完了就把日期去掉。