python 3 pandas将字符串时间转换为yyyy-mm-dd答案

【问题标题】：python 3 pandas convert string time into yyyy-mm-ddpython 3 pandas将字符串时间转换为yyyy-mm-dd
【发布时间】：2020-01-11 22:16:30
【问题描述】：

假设我在名为 df 的数据帧中有以下时间戳

           time
1          2019-05-03 15:26:37.000
2          2019-05-10 19:26:29.000
3          2019-05-10 23:39:07.000
4          2019-05-08 13:52:08.000

我打算把它转换成

           time
1          2019-05-03
2          2019-05-10
3          2019-05-10
4          2019-05-08

这样我就可以分组计算每天有多少个日期点

df2=pd.to_datetime(df['time'], format='%d-%b-%y')

返回以下错误

ValueError: time data '2019-05-04 14:08:33.000' does not match format '%d-%b-%y' (match)

TypeError: Unrecognized value type: <class 'str'>

During handling of the above exception, another exception occurred:

如果我这样做：

request_time_date_df2=pd.to_datetime(ride_df['requested_time'], unit='D')

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
pandas/_libs/tslib.pyx in pandas._libs.tslib.array_with_unit_to_datetime()

ValueError: could not convert string to float: '2019-05-04 14:08:33.000'

如果我这样做

df2=pd.to_datetime(df['time'], format='%d-%b-%y', errors='ignore')

返回相同的

           time
1          2019-05-03 15:26:37.000
2          2019-05-10 19:26:29.000
3          2019-05-10 23:39:07.000
4          2019-05-08 13:52:08.000

有什么想法吗？谢谢！

【问题讨论】：

标签： python-3.x pandas datetime

【解决方案1】：

其他可能的解决方案：

df = pd.DataFrame({'time':['2019-05-03 15:26:37.000', '2019-05-10 19:26:29.000', '2019-05-10 23:39:07.000', '2019-05-08 13:52:08.000']})

df['time'] = pd.to_datetime(df['time']).dt.strftime('%Y-%m-%d')

print(df)

打印：

         time
0  2019-05-03
1  2019-05-10
2  2019-05-10
3  2019-05-08

注意：如果要按天分组，则无需提前格式化天，只需将其转换为日期时间并查看pandas.Grouper（频率设置为'D'）。

例如：

df = pd.DataFrame({'time':['2019-05-03 15:26:37.000', '2019-05-10 19:26:29.000', '2019-05-10 23:39:07.000', '2019-05-08 13:52:08.000'],
                   'data':[1, 1, 1, 1]})

df['time'] = pd.to_datetime(df['time'])

print(df.groupby(pd.Grouper(key='time', freq='D'))['data'].sum())

打印：

time
2019-05-03    1
2019-05-04    0
2019-05-05    0
2019-05-06    0
2019-05-07    0
2019-05-08    1
2019-05-09    0
2019-05-10    2
Freq: D, Name: data, dtype: int64

【讨论】：

谢谢！两种解决方案都很好用！学到很多！

【解决方案2】：

IIUC，你可以使用：

pd.to_datetime(df['time']).dt.normalize() # if series is a object dtype

或者：

df['time'].dt.normalize() #if series is a datetime dtype

1   2019-05-03
2   2019-05-10
3   2019-05-10
4   2019-05-08
Name: time, dtype: datetime64[ns]

【讨论】：

谢谢！两种解决方案都很好用！学到很多！