Python Pandas时间日期格式转换：strptime、to_datetime与parse详解

Python Pandas日期格式转换概述

在使用Pandas处理DataFrame时，经常遇到日期列格式不统一的问题，导致数据处理受阻。本文整理并记录几种常用的时间日期转换函数及其应用场景。

字符串转日期对象的方法

1、字符串转换为日期对象（str -> date）

import datetime
date_str = '2006-01-03'
date_ = datetime.datetime.strptime(date_str,'%Y-&m-%d')

针对单个字符串的转换，需指定日期格式。例如，若日期字符串格式为“%Y-%m-%d”，则对应标准ISO格式；若字符串为“2006/1/3”，则格式应写为“%Y/%m/%d”，依此类推，确保格式字符串与实际数据一致。

在实际数据处理中，通常需要对DataFrame的某一整列进行日期格式转换。

可以使用apply函数结合自定义解析逻辑来实现列级别的转换操作。

def strptime_row(rowi):
  return datetime.datetime.strptime(rowi,'%Y/%m/%d')
 
df['date'] = df['date'].apply(strptime_row)

需要注意的是，apply()函数在处理大量数据时效率可能较低。针对DataFrame列的日期解析，Pandas提供了更专用的函数，例如：

import pandas as pd
df['date'] = pd.to_datetime(df['date'])

to_datetime()函数能够解析多种不同的日期表示形式（如“7/6/2011”代表2011年6月7日），并且对标准日期格式（如ISO8601）的解析速度非常快，是处理常规日期列的首选方法。

此外，还可以使用parse()函数，该函数几乎可以识别所有人类可读的日期表示方式（但不支持中文日期格式）。示例如下：

from dateutil.parser import parse
parse('Jan 31,2008 10:45 AM')

日期转字符串的方法

2、日期对象转换为字符串

将日期对象格式化为字符串时，可以使用strftime()函数，通过指定格式代码来控制输出样式。

总结

以上介绍了Python中处理时间日期格式转换的几种主要方法，包括strptime、to_datetime、apply以及parse等函数的使用场景与优缺点。希望这些内容能帮助您解决日期格式转换中的常见问题。如有任何疑问，欢迎留言交流。感谢阅读与支持！