使用astype函数将panda Dataframe 列从object转换为datetime时，根据字符串是否具有时间组件，行为会有所不同。转换列的正确方法是什么？
df = pd.DataFrame({'Date': ['12/07/2013 21:50:00','13/07/2013 00:30:00','15/07/2013','11/07/2013']})
df['Date'] = pd.to_datetime(df['Date'], format="%d/%m/%Y %H:%M:%S", exact=False, dayfirst=True, errors='ignore')输出：
Date
0 12/07/2013 21:50:00
1 13/07/2013 00:30:00
2 15/07/2013
3 11/07/2013但dtype仍为object。执行以下操作时：
df['Date'] = df['Date'].astype('datetime64')它变为datetime dtype，但是第0和3行上的日和月未被正确解析。
Date
0 2013-12-07 21:50:00
1 2013-07-13 00:30:00
2 2013-07-15 00:00:00
3 2013-11-07 00:00:00预期结果为：
Date
0 2013-07-12 21:50:00
1 2013-07-13 00:30:00
2 2013-07-15 00:00:00
3 2013-07-11 00:00:00
1条答案
按热度按时间wfauudbj1#
如果我们看一下源代码，如果您传递
format=和dayfirst=参数，dayfirst=将永远不会被读取，因为传递format=调用了C函数（np_datetime_strings.c），它不使用dayfirst=进行转换。另一方面，如果只传递dayfirst=，它将用于首先猜测格式，福尔斯再使用dateutil.parser.parse进行转换。因此，只使用其中一个。在大多数情况下，
完成任务。
在OP中的特定示例中，传递
dayfirst=True就完成了任务。也就是说，传递
format=会使转换速度提高25倍（更多信息请参见this post），因此，如果帧大于10k行，那么最好传递format=。现在，由于格式是混合的，一种方法是分两步执行转换（errors='coerce'参数会很有用）这种方法（执行或多次转换）可用于转换任何日期时间格式“古怪”的列。