<\/p>\n
Sie k\u00f6nnen die folgende Syntax verwenden, um eine Datumsspalte in einem Pandas-DataFrame in das Format JJJJMMTT zu konvertieren:<\/span><\/p>\n Das folgende Beispiel zeigt, wie diese Syntax in der Praxis verwendet wird.<\/span><\/p>\n Nehmen wir an, wir haben den folgenden Pandas-DataFrame, der die Verk\u00e4ufe eines Unternehmens zu verschiedenen Daten anzeigt:<\/span><\/p>\n Nehmen wir nun an, wir m\u00f6chten die Werte der Datumsspalte<\/strong> als JJJJMMTT formatieren.<\/span><\/p>\n Wir k\u00f6nnen dazu die folgende Syntax verwenden:<\/span><\/p>\n Beachten Sie, dass die Datumsspaltenwerte<\/strong> jetzt im Format JJJJMMTT vorliegen.<\/span><\/p>\n Beachten Sie, dass in diesem Beispiel die Datumsspalte<\/strong> bereits \u00fcber eine Datetime-Klasse verf\u00fcgt.<\/span><\/p>\n Wir k\u00f6nnen jedoch weiterhin die Funktion to_datetime()<\/strong> verwenden, um sicherzustellen, dass eine bestimmte Spalte eine Datetime-Klasse hat, bevor wir ein JJJJMMTT-Format anwenden.<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie andere g\u00e4ngige Vorg\u00e4nge in Pandas ausgef\u00fchrt werden:<\/span><\/p>\n So addieren und subtrahieren Sie Tage zu einem Datum in Pandas<\/a> Sie k\u00f6nnen die folgende Syntax verwenden, um eine Datumsspalte in einem Pandas-DataFrame in das Format JJJJMMTT zu konvertieren: #convert date column to datetime df[‚ date_column ‚] = pd. to_datetime (df[‚ date_column ‚]) #convert date to YYYYMMDD format df[‚ date_column ‚] = df[‚ date_column ‚]. dt . strftime (‚ %Y%m%d ‚). astype (int) Das folgende Beispiel […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n #convert date column to datetime\n<\/span>df[' date_column<\/span> '] = pd. to_datetime<\/span> (df[' date_column<\/span> '])\n\n#convert date to YYYYMMDD format\n<\/span>df[' date_column<\/span> '] = df[' date_column<\/span> ']. dt<\/span> . strftime<\/span> (' %Y%m%d<\/span> '). astype<\/span> (int)\n<\/strong><\/pre>\n Beispiel: Konvertieren Sie das Datum in Pandas in das Format JJJJMMTT<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' date<\/span> ': pd.date_range<\/span> (start=' 1\/1\/2022<\/span> ', freq=' MS<\/span> ', periods= 8<\/span> ),\n ' sales<\/span> ': [18, 22, 19, 14, 14, 11, 20, 28]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n dirty dates\n0 2022-01-01 18\n1 2022-02-01 22\n2 2022-03-01 19\n3 2022-04-01 14\n4 2022-05-01 14\n5 2022-06-01 11\n6 2022-07-01 20\n7 2022-08-01 28<\/strong><\/span><\/pre>\n #convert date column to datetime\n<\/span>df[' date<\/span> '] = pd. to_datetime<\/span> (df[' date<\/span> '])\n\n#convert date to YYYYMMDD format\n<\/span>df[' date<\/span> '] = df[' date<\/span> ']. dt<\/span> . strftime<\/span> (' %Y%m%d<\/span> '). astype<\/span> (int)\n\n#view updated DataFrame\n<\/span>print<\/span> (df)\n\n dirty dates\n0 20220101 18\n1 20220201 22\n2 20220301 19\n3 20220401 14\n4 20220501 14\n5 20220601 11\n6 20220701 20\n7 20220801 28<\/span><\/span><\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
So w\u00e4hlen Sie Zeilen zwischen zwei Datumsangaben in Pandas aus<\/a>
So berechnen Sie eine Differenz zwischen zwei Daten in Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"