<\/p>\n
Spesso potresti essere interessato a convertire una o pi\u00f9 colonne di un DataFrame panda nel formato DateTime. Fortunatamente, questo \u00e8 facile da fare utilizzando la funzione to_datetime()<\/a> .<\/span><\/p>\n Questo tutorial mostra diversi esempi di utilizzo di questa funzione sul seguente DataFrame:<\/span><\/p>\n Il codice seguente mostra come convertire la colonna “start_date” da una stringa al formato DateTime:<\/span><\/p>\n Tieni presente che la funzione to_datetime() \u00e8 intelligente e di solito pu\u00f2 dedurre il formato di data corretto da utilizzare, ma puoi anche specificare quale formato utilizzare con l’argomento format<\/strong> :<\/span><\/p>\n Il codice seguente mostra come convertire le colonne “start_date” e “end_date” dalle stringhe ai formati DateTime:<\/span><\/p>\n In alcuni casi, potresti anche avere colonne che includono una data oltre a ore, minuti e secondi, come il seguente DataFrame:<\/span><\/p>\n Ancora una volta, la funzione to_datetime() \u00e8 intelligente e di solito pu\u00f2 dedurre il formato corretto da utilizzare senza che lo specifichiamo:<\/span><\/p>\n Naturalmente, in natura probabilmente incontrerai una variet\u00e0 di strani formati DateTime, quindi potresti dover utilizzare l’argomento format<\/strong> per dire a Python esattamente quale formato DateTime utilizzare.<\/span><\/p>\n In questi casi, fai riferimento a questa pagina<\/a> per un elenco completo<\/span> degli operatori %DateTime che puoi utilizzare per specificare i formati.<\/span><\/p>\n Come convertire DateTime fino ad oggi in Panda<\/a> Spesso potresti essere interessato a convertire una o pi\u00f9 colonne di un DataFrame panda nel formato DateTime. Fortunatamente, questo \u00e8 facile da fare utilizzando la funzione to_datetime() . Questo tutorial mostra diversi esempi di utilizzo di questa funzione sul seguente DataFrame: import numpy as np import pandas as pd #createDataFrame df = pd.DataFrame({‘event’: [‘A’, ‘B’, […]<\/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 import<\/span> numpy as<\/span> np\nimport<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd.DataFrame({'event': ['A', 'B', 'C'],\n 'start_date': ['20150601', '20160201', '20170401'],\n 'end_date': ['20150608', '20160209', '20170416'] })\n\n#view DataFrame\n<\/span>df\n\n\tevent start_date end_date\n0 A 20150601 20150608\n1 B 20160201 20160209\n2 C 20170401 201704161\n\n#view column data types\n<\/span>df. dtypes\n\nevent object\nstart_date object\nend_date object\ndtype:object<\/span><\/span><\/strong><\/pre>\n Esempio 1: convertire una singola colonna in DateTime<\/span><\/strong><\/h3>\n
#convert start_date to DateTime format<\/span>\ndf['start_date'] = pd. to_datetime<\/span> (df['start_date'])\n\n#view DataFrame\n<\/span>df\n\n event start_date end_date\n0 A 2015-06-01 20150608\n1 B 2016-02-01 20160209\n2 C 2017-04-01 20170416\n\n#view column date types\n<\/span>df. dtypes<\/span>\n\nevent object\nstart_date datetime64[ns]\nend_date object\ndtype:object<\/strong><\/pre>\n #convert start_date to DateTime format<\/span>\ndf['start_date'] = pd. to_datetime<\/span> (df['start_date'], format=' %Y%m%d<\/span> ')\n\n#view DataFrame\n<\/span>df\n\n event start_date end_date\n0 A 2015-06-01 20150608\n1 B 2016-02-01 20160209\n2 C 2017-04-01 20170416\n\n#view column date types\n<\/span>df. dtypes<\/span>\n\nevent object\nstart_date datetime64[ns]\nend_date object\ndtype:object<\/strong><\/pre>\n Esempio 2: convertire pi\u00f9 colonne in DateTime<\/span><\/strong><\/h3>\n
#convert start_date and end_date to DateTime formats<\/span>\ndf[['start_date', 'end_date']] = df[['start_date', 'end_date']]. apply<\/span> (pd. to_datetime<\/span> )\n\n#view DataFrame\n<\/span>df\n\n\tevent start_date end_date\n0 A 2015-06-01 2015-06-08\n1 B 2016-02-01 2016-02-09\n2 C 2017-04-01 2017-04-16\n\n#view column date types\n<\/span>df. dtypes<\/span>\n\nevent object\nstart_date datetime64[ns]\nend_date datetime64[ns]\ndtype:object<\/strong><\/pre>\n Esempio 3: convertire le colonne nel formato DateTime con secondi<\/span><\/strong><\/h3>\n
#createDataFrame<\/span>\ndf = pd.DataFrame({'event': ['A', 'B', 'C'],\n 'start_date': ['20150601043000', '20160201054500', '20170401021215'],\n 'end_date': ['20150608', '20160209', '20170416'] })\n\n#view DataFrame\n<\/span>df\n\n event start_date end_date\n0 A 20150601043000 20150608\n1 B 20160201054500 20160209\n2 C 20170401021215 20170416\n<\/strong><\/pre>\n #convert start_date to DateTime format<\/span>\ndf['start_date'] = pd. to_datetime<\/span> (df['start_date'])\n\n#view DataFrame\n<\/span>df\n\n event start_date end_date\n0 A 2015-06-01 04:30:00 20150608\n1 B 2016-02-01 05:45:00 20160209\n2 C 2017-04-01 02:12:15 20170416\n\n#view column date types\n<\/span>df. dtypes<\/span>\n\nevent object\nstart_date datetime64[ns]\nend_date object\ndtype:object<\/strong><\/pre>\n Risorse addizionali<\/strong><\/span><\/h3>\n
Come convertire le stringhe in float in Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"