Oft sind Sie daran interessiert, eine oder mehrere Zeichenfolgenspalten in einem Pandas-DataFrame in Float-Spalten zu konvertieren. Glücklicherweise ist dies mit der Funktion astype() einfach zu bewerkstelligen.
Dieses Tutorial zeigt mehrere …
Oft möchten Sie möglicherweise eine oder mehrere Spalten in einem Pandas DataFrame in ein DateTime-Format konvertieren. Glücklicherweise ist dies mit der Funktion to_datetime() einfach zu bewerkstelligen.
Dieses Tutorial zeigt einige Beispiele für die Verwendung dieser Funktion auf dem folgenden DataFrame:
import numpy as np
import pandas as pd
#D ataframe erstellen
df = pd.DataFrame({'event': ['A', 'B', 'C'],
'start_date': ['20150601', '20160201', '20170401'],
'end_date': ['20150608', '20160209', '20170416'] })
# Dataframe anzeigen
df
event start_date end_date
0 A 20150601 20150608
1 B 20160201 20160209
2 C 20170401 201704161
# Spaltendatentypen anzeigen
df.dtypes
event object
start_date object
end_date object
dtype: object
Beispiel 1: Konvertieren einer einzelnen Spalte in DateTime
Der folgende Code zeigt, wie die Spalte "start_date" von einer Zeichenfolge in ein DateTime-Format konvertiert wird:
# start_date in das DateTime-Format konvertieren
df['start_date'] = pd.to_datetime(df['start_date'])
#Dataframe anzeigen
df
event start_date end_date
0 A 2015-06-01 20150608
1 B 2016-02-01 20160209
2 C 2017-04-01 20170416
# Spaltendatentypen anzeigen
df.dtypes
event object
start_date datetime64[ns]
end_date object
dtype: object
Beachten Sie, dass die to_datetime() Funktion schlau ist und das korrekte Datumsformat normalerweise automatisch entnehmen kann, aber Sie können das Format auch mit dem format Argument angeben:
# start_date in das DateTime-Format konvertieren
df['start_date'] = pd.to_datetime(df['start_date'], format='%Y%m%d')
# Dataframe anzeigen
df
event start_date end_date
0 A 2015-06-01 20150608
1 B 2016-02-01 20160209
2 C 2017-04-01 20170416
# Spaltendatentypen anzeigen
df.dtypes
event object
start_date datetime64[ns]
end_date object
dtype: object
Beispiel 2: Konvertieren Sie mehrere Spalten in DateTime
Der folgende Code zeigt, wie die Spalten "start_date" und "end_date" von Zeichenfolgen in DateTime-Formate konvertiert werden:
# start_date und end_date in DateTime-Formate konvertieren
df[['start_date', 'end_date']] = df[['start_date', 'end_date']].apply(pd.to_datetime)
# Dataframe anzeigen
df
event start_date end_date
0 A 2015-06-01 2015-06-08
1 B 2016-02-01 2016-02-09
2 C 2017-04-01 2017-04-16
# Spaltendatentypen anzeigen
df.dtypes
event object
start_date datetime64[ns]
end_date datetime64[ns]
dtype: object
Beispiel 3: Konvertieren von Spalten in das DateTime-Format mit Sekunden
In einigen Fällen können Sie auch Spalten haben, die ein Datum zusammen mit den Stunden, Minuten und Sekunden enthalten, z. B. das folgenden DataFrame:
# Dataframe erstellen
df = pd.DataFrame({'event': ['A', 'B', 'C'],
'start_date': ['20150601043000', '20160201054500', '20170401021215'],
'end_date': ['20150608', '20160209', '20170416'] })
# Dataframe anzeigen
df
event start_date end_date
0 A 20150601043000 20150608
1 B 20160201054500 20160209
2 C 20170401021215 20170416
Auch hier ist die Funktion to_datetime() intelligent und kann normalerweise auf das richtige Format schließen, ohne dass wir es angeben:
# start_date in das DateTime-Format konvertieren
df['start_date'] = pd.to_datetime(df['start_date'])
# Dataframe anzeigen
df
event start_date end_date
0 A 2015-06-01 04:30:00 20150608
1 B 2016-02-01 05:45:00 20160209
2 C 2017-04-01 02:12:15 20170416
# Spaltendatentypen anzeigen
df.dtypes
event object
start_date datetime64[ns]
end_date object
dtype: object
Natürlich treffen Sie in der freien Wildbahn wahrscheinlich über eine Vielzahl an seltsamen Datetime-Formaten, so dass Sie tatsächlich das format Argument verwenden müssen, um zu definieren, welches Datetime-Format genau verwendet werden soll.
In diesen Fällen finden Sie auf dieser Seite eine vollständige Liste der% DateTime-Operatoren, mit denen Sie Formate angeben können.
Zusätzliche Ressourcen
Das könnte Sie auch interessieren:
Strings in Float umwandeln - Pandas
So sortieren Sie Werte in einem Pandas DataFrame
Oft möchten Sie einen Pandas-DataFrame nach einer oder mehreren Spalten sortieren. In diesem Tutorial wird erklärt, wie Sie dies mit der pandas sort_values- Funktion tun.