将 Pandas DataFrame 中的日期对象列转换为字符串答案

【问题标题】：Convert column of date objects in Pandas DataFrame to strings将 Pandas DataFrame 中的日期对象列转换为字符串
【发布时间】：2013-11-13 07:51:10
【问题描述】：

如何将包含 datetime64 对象的列转换为可以读取的字符串 01-11-2013 表示今天的 11 月 1 日。

我试过了

df['DateStr'] = df['DateObj'].strftime('%d%m%Y')

但我收到此错误

AttributeError：“系列”对象没有属性“strftime”

【问题讨论】：

标签： python datetime pandas

【解决方案1】：

从version 17.0 开始，您可以使用dt 访问器进行格式化：

df['DateStr'] = df['DateObj'].dt.strftime('%d%m%Y')

【讨论】：

发现这个在使用assign时真的很有用，比如：(df .query('my query criteria here) .assign(month = lambda x: x['date'].dt.strftime('%Y-%m') )
这个方法会比df['A'].apply(lambda x: x.strftime('%d%m%Y')) 快一点。 230k col的cost time是1.3秒，后一个是1.9s左右。
对于较大的数据集，dt 访问器应该明显更快，因为 apply 或多或少是一个 for 循环，而 dt 使用基于 C 的优化 iirc。
我收到了警告：A value is trying to be set on a copy of a slice from a DataFrame.

【解决方案2】：

In [6]: df = DataFrame(dict(A = date_range('20130101',periods=10)))

In [7]: df
Out[7]: 
                    A
0 2013-01-01 00:00:00
1 2013-01-02 00:00:00
2 2013-01-03 00:00:00
3 2013-01-04 00:00:00
4 2013-01-05 00:00:00
5 2013-01-06 00:00:00
6 2013-01-07 00:00:00
7 2013-01-08 00:00:00
8 2013-01-09 00:00:00
9 2013-01-10 00:00:00

In [8]: df['A'].apply(lambda x: x.strftime('%d%m%Y'))
Out[8]: 
0    01012013
1    02012013
2    03012013
3    04012013
4    05012013
5    06012013
6    07012013
7    08012013
8    09012013
9    10012013
Name: A, dtype: object

【讨论】：