<\/p>\n
H\u00e4ufig m\u00f6chten Sie m\u00f6glicherweise ein Datum\/eine Uhrzeit in ein Datum in Pandas umwandeln. Gl\u00fccklicherweise ist dies mit der Funktion .dt.date<\/strong> einfach zu bewerkstelligen, die die folgende Syntax verwendet:<\/span><\/p>\n Angenommen, wir haben den folgenden Pandas-DataFrame:<\/span><\/p>\n Um die Spalte \u201eZeit\u201c in ein einfaches Datum umzuwandeln, k\u00f6nnen wir die folgende Syntax verwenden:<\/span><\/p>\n Jetzt zeigt die Spalte \u201eUhrzeit\u201c einfach das Datum ohne Uhrzeit an.<\/span><\/p>\n Beachten Sie, dass der obige Code einen Objekttyp<\/strong> zur\u00fcckgibt:<\/span><\/p>\n Wenn Sie stattdessen datetime64<\/strong> m\u00f6chten, k\u00f6nnen Sie die Zeitkomponente normalisieren()<\/strong> , wodurch der Typ datetime64<\/strong> beibehalten wird, aber nur das Datum angezeigt wird:<\/span><\/p>\n Auch hier wird nur das Datum angezeigt, aber die Spalte \u201eUhrzeit\u201c ist vom Typ datetime64<\/strong> .<\/span><\/p>\n So konvertieren Sie Spalten in Pandas in DateTime<\/a> H\u00e4ufig m\u00f6chten Sie m\u00f6glicherweise ein Datum\/eine Uhrzeit in ein Datum in Pandas umwandeln. Gl\u00fccklicherweise ist dies mit der Funktion .dt.date einfach zu bewerkstelligen, die die folgende Syntax verwendet: df[‚ date_column ‚] = pd. to_datetime (df[‚ datetime_column ‚]). dt . date Beispiel: Datetime bis heute in Pandas Angenommen, wir haben den folgenden Pandas-DataFrame: import pandas as […]<\/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 df[' date_column<\/span> '] = pd. to_datetime<\/span> (df[' datetime_column<\/span> ']). dt<\/span> . date\n<\/span><\/strong><\/pre>\n Beispiel: Datetime bis heute in Pandas<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#create pandas DataFrame with two columns\n<\/span>df = pd.DataFrame({'sales': [4, 11],\n 'time': ['2020-01-15 20:02:58', '2020-01-18 14:43:24']})\n\n#view DataFrame<\/span>\nprint<\/span> (df)\n\nsales time\n0 4 2020-01-15 20:02:58\n1 11 2020-01-18 14:43:24\n<\/strong><\/pre>\n #convert datetime column to just date<\/span>\ndf[' time<\/span> '] = pd. to_datetime<\/span> (df[' time<\/span> ']). dt<\/span> . date<\/span>\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n\tsales time\n0 4 2020-01-15\n1 11 2020-01-18\n<\/strong><\/pre>\n Verwenden von Normalize() f\u00fcr datetime64-Typen<\/strong><\/span><\/h3>\n
#find dtype of each column in DataFrame<\/span>\ndf. dtypes<\/span>\n\ndirty int64\ntime object\ndtype:object<\/strong><\/pre>\n #convert datetime column to just date<\/span>\ndf[' time<\/span> '] = pd. to_datetime<\/span> (df[' time<\/span> ']). dt<\/span> . normalize ()<\/span><\/span>\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n\tsales time\n0 4 2020-01-15\n1 11 2020-01-18\n\n#find dtype of each column in DataFrame\n<\/span>df. dtypes\n\ndirty int64\ntime datetime64[ns]\ndtype:object<\/span><\/span>\n<\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So konvertieren Sie Strings in Pandas in Float<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"