pandas 快速处理 date_time 日期格式方法
发布时间：2026-10-13 |
4人浏览过
本文介绍如何在 pandas 中高效处理非标准日期格式。通过对比两种处理方式，展示使用 to_datetime 函数时指定 format 参数对提升处理速度的关键作用。示例显示，对于300万条数据，明确指定格式可将处理时间从10分钟缩短至10秒。
当数据量庞大且日期格式不规范时，若使用 pandas 的 to_datetime 函数不当，会导致处理耗时过长。提升处理速度的核心在于正确使用 format 参数。以下通过具体示例进行说明：
示例数据场景如下：
date 列的格式为 02.01.2013，即 日.月.年
数据规模：3000000 条记录
transcation.head() --------------------------------------------- date date_block_num shop_id item_id item_price item_cnt_day 0 02.01.2013 0 59 22154 999.00 1.0 1 03.01.2013 0 25 2552 899.00 1.0 2 05.01.2013 0 25 2552 899.00 -1.0 3 06.01.2013 0 25 2554 1709.05 1.0 4 15.01.2013 0 25 2555 1099.00 1.0
第一种处理方式：
transactions['date_formatted']=pd.to_datetime(transactions['date'])
处理耗时：10min
第二种处理方式：
transactions['date_formatted']=pd.to_datetime(transactions['date'], format='%d.%m.%Y')
处理耗时：10s
附录：format 参数相关说明
| 代码 | 说明 |
|---|---|
| %Y | 4位数的年 |
| %y | 2位数的年 |
| %m | 2位数的月[01,12] |
| %d | 2位数的日[01，31] |
| %H | 时（24小时制）[00,23] |
| %l | 时（12小时制）[01,12] |
| %M | 2位数的分[00,59] |
| %S | 秒[00,61]有闰秒的存在 |
| %w | 用整数表示的星期几[0（星期天），6] |
| %F | %Y-%m-%d简写形式例如，2017-06-27 |
| %D | %m/%d/%y简写形式 |
以上关于 pandas 快速处理 date_time 日期格式的方法分享完毕，希望能为读者提供参考。
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
