将列转换为日期格式（熊猫数据框）

Question

我有一个熊猫数据框如下：

Symbol  Date
A       02/20/2015
A       01/15/2016
A       08/21/2015

我想按Date 对其进行排序，但该列只是object。

我尝试将列设为日期对象，但遇到了一个问题，即该格式不是所需的格式。所需格式为2015-02-20, 等。

所以现在我想弄清楚如何让 numpy 将“美国”日期转换为 ISO 标准，以便我可以将它们设为日期对象，以便按它们排序。

如何将这些美国日期转换为 ISO 标准，或者我在 pandas 中缺少更直接的方法？

Answer 1

data['Date'] = data['Date'].apply(pd.to_datetime) # non-null datetime64[ns]

Answer 2

因为 pandas >= 1.0.0 我们在 DataFrame.sort_values 中有 key 参数。这样我们就可以通过指定一个键对数据帧进行排序，而无需调整原始数据帧：

df.sort_values(by="Date", key=pd.to_datetime)

  Symbol        Date
0      A  02/20/2015
2      A  08/21/2015
1      A  01/15/2016

Answer 3

可以使用以下代码读取包含日期列的数据：

data = pd.csv(file_path,parse_dates=[date_column])

使用上述代码行读取数据后，可以使用pd.date_time() 访问包含有关日期信息的列，例如：

pd.date_time(data[date_column], format = '%d/%m/%y')

根据需要更改日期格式。

Answer 4

sort 方法已被 deprecated 替换为 sort_values。使用df['Date']=pd.to_datetime(df['Date'])转换为日期时间对象后

df.sort_values(by=['Date'])

注意：就地和/或按降序排序（最近的在前）：

df.sort_values(by=['Date'], inplace=True, ascending=False)

Answer 5

@JAB's answer 快速简洁。但它会更改您尝试排序的DataFrame，您可能想要也可能不想要。

_{（注意：您几乎肯定会想要它，因为您的日期列应该是日期，而不是字符串！）}

万一您不想将日期更改为日期，也可以采用其他方式。

首先，从已排序的Date 列中获取索引：

In [25]: pd.to_datetime(df.Date).order().index
Out[25]: Int64Index([0, 2, 1], dtype='int64')

然后用它来索引你原来的DataFrame，保持原样：

In [26]: df.ix[pd.to_datetime(df.Date).order().index]
Out[26]: 
        Date Symbol
0 2015-02-20      A
2 2015-08-21      A
1 2016-01-15      A

魔法！

注意：对于 Pandas 0.20.0 及更高版本，请使用 loc 而不是现在已弃用的 ix。

Answer 6

您可以使用pd.to_datetime() 转换为日期时间对象。它需要一个格式参数，但在你的情况下，我认为你不需要它。

>>> import pandas as pd
>>> df = pd.DataFrame( {'Symbol':['A','A','A'] ,
    'Date':['02/20/2015','01/15/2016','08/21/2015']})
>>> df
         Date Symbol
0  02/20/2015      A
1  01/15/2016      A
2  08/21/2015      A
>>> df['Date'] =pd.to_datetime(df.Date)
>>> df.sort('Date') # This now sorts in date order
        Date Symbol
0 2015-02-20      A
2 2015-08-21      A
1 2016-01-15      A

为了以后的搜索，你可以改变排序语句：

>>> df.sort_values(by='Date') # This now sorts in date order
        Date Symbol
0 2015-02-20      A
2 2015-08-21      A
1 2016-01-15      A