使用 pandas.to_datetime 转换时指定日期格式

Question

我有一个 csv 文件中的数据，其中日期以标准英国格式存储为字符串 - %d/%m/%Y - 意味着它们看起来像：

12/01/2012
30/01/2012

以上示例代表 2012 年 1 月 12 日和 2012 年 1 月 30 日。

当我使用 pandas 0.11.0 版导入此数据时，我应用了以下转换：

import pandas as pd
...
cpts.Date = cpts.Date.apply(pd.to_datetime)

但它转换的日期不一致。使用我现有的示例，12/01/2012 将转换为代表 2012 年 12 月 1 日的日期时间对象，但 30/01/2012 转换为 2012 年 1 月 30 日，这正是我想要的。

看了this question我试了一下：

cpts.Date = cpts.Date.apply(pd.to_datetime, format='%d/%m/%Y')

但结果完全一样。 source code 表明我做对了，所以我很茫然。有谁知道我做错了什么？

Answer 1

您可以使用read_csv 中的parse_dates 选项在读取数据时直接进行转换。
这里的诀窍是使用dayfirst=True 来指示您的日期从当天开始，而不是从月份开始。更多信息请看这里：http://pandas.pydata.org/pandas-docs/dev/generated/pandas.io.parsers.read_csv.html

当你的日期必须是索引时：

>>> import pandas as pd
>>> from StringIO import StringIO
>>> s = StringIO("""date,value
... 12/01/2012,1
... 12/01/2012,2
... 30/01/2012,3""")
>>> 
>>> pd.read_csv(s, index_col=0, parse_dates=True, dayfirst=True)
            value
date             
2012-01-12      1
2012-01-12      2
2012-01-30      3

或者当您的日期只是在某个列中时：

>>> s = StringIO("""date
... 12/01/2012
... 12/01/2012
... 30/01/2012""")
>>> 
>>> pd.read_csv(s, parse_dates=[0], dayfirst=True)
                 date
0 2012-01-12 00:00:00
1 2012-01-12 00:00:00
2 2012-01-30 00:00:00

Answer 2

我认为您的称呼是正确的，我将其发布为 an issue on github。

您可以直接指定格式为to_datetime，例如：

In [1]: s = pd.Series(['12/1/2012', '30/01/2012'])

In [2]: pd.to_datetime(s, format='%d/%m/%Y')
Out[2]:
0   2012-01-12 00:00:00
1   2012-01-30 00:00:00
dtype: datetime64[ns]

更新：正如 OP 正确指出的那样，这不适用于 NaN，如果您对 dayfirst=True（也适用于 NaN）感到满意：

s.apply(pd.to_datetime, dayfirst=True)

值得注意的是，必须小心使用dayfirst（这比指定确切格式更容易），因为dayfirst isn't strict。