pd.to_datetime 小时和秒答案

【问题标题】：pd.to_datetime Hours and Secondspd.to_datetime 小时和秒
【发布时间】：2018-07-04 18:58:30
【问题描述】：

晚上好，

我有一个数据框（Pandas），其中有一列代表日期，格式如下：

print(df["date"])

14/01/18 12:47
14/01/18 12:48
14/01/18 12:50
14/01/18 12:57
14/01/18 12:57
14/01/18 12:57
14/01/18 12:57
14/01/18 12:57
14/01/18 12:58

具体来说，我想： 1. 使用pd.to_datetime转换它为datetime 2. 创建以下附加列：

df["month"]
df["day"]
df["year"]
df["hour"]
df["minute"]

我试着跑了：

df['date'] = pd.to_datetime(df['date'], format = "%d/%m/%Y %H/%M" )

但出现以下错误：

time data '02/01/18 08:41' does not match format '%d/%m/%Y %H/%M' (match)

【问题讨论】：

标签： python datetime

【解决方案1】：

你可以像下面这样在 format= 之间输入冒号(:)

df['Date/Time']=pd.to_datetime(df['Date/Time'],format='%m/%d/%Y %H:%M:%S')

【讨论】：

【解决方案2】：

替代grovina的答案......您可以直接使用dt访问器而不是使用apply。

这是一个示例：

>>> data = [['2017-12-01'], ['2017-12-30'],['2018-01-01']]
>>> df = pd.DataFrame(data=data, columns=['date'])
>>> df
         date
0  2017-12-01
1  2017-12-30
2  2018-01-01
>>> df.date
0    2017-12-01
1    2017-12-30
2    2018-01-01
Name: date, dtype: object

注意 df.date 是一个对象吗？让我们把它变成你想要的日期

>>> df.date = pd.to_datetime(df.date)
>>> df.date
0   2017-12-01
1   2017-12-30
2   2018-01-01
Name: date, dtype: datetime64[ns]

您想要的格式是字符串格式。我认为您无法将实际的 datetime64 转换为该格式。现在，让我们在单独的列中创建一个新格式化的日期字符串版本

 >>> df['new_formatted_date'] = df.date.dt.strftime('%d/%m/%y %H:%M')
 >>> df.new_formatted_date
 0    01/12/17 00:00
 1    30/12/17 00:00
 2    01/01/18 00:00
 Name: new_formatted_date, dtype: object

最后，由于 df.date 列现在的日期为 datetime64... 您可以在其上使用 dt 访问器。无需使用apply

>>> df['month'] = df.date.dt.month
>>> df['day'] = df.date.dt.day
>>> df['year'] = df.date.dt.year
>>> df['hour'] = df.date.dt.hour
>>> df['minute'] = df.date.dt.minute
>>> df
        date new_formatted_date  month  day  year  hour  minute
0 2017-12-01     01/12/17 00:00     12    1  2017     0       0
1 2017-12-30     30/12/17 00:00     12   30  2017     0       0
2 2018-01-01     01/01/18 00:00      1    1  2018     0       0

【讨论】：

【解决方案3】：

您想要的格式是'%d/%m/%y %H:%M'（小时和分钟之间的小写y和冒号）。看看here。

然后你可以创建其他列：

df['month'] = df['date'].apply(lambda x: x.month)
df['day'] = df['date'].apply(lambda x: x.day)
df['year'] = df['date'].apply(lambda x: x.year)
df['hour'] = df['date'].apply(lambda x: x.hour)
df['minute'] = df['date'].apply(lambda x: x.minute)

【讨论】：

这比使用 df.date.dt.month 访问器的 df.date.dt.month 方法要慢