Como converter colunas para datetime no pandas

Freqüentemente, você pode estar interessado em converter uma ou mais colunas de um DataFrame do pandas para o formato DateTime. Felizmente, isso é fácil de fazer usando a função to_datetime() .

Este tutorial mostra vários exemplos de uso desta função no seguinte DataFrame:

 import numpy as np
import pandas as pd

#createDataFrame
df = pd.DataFrame({'event': ['A', 'B', 'C'],
                   'start_date': ['20150601', '20160201', '20170401'],
                   'end_date': ['20150608', '20160209', '20170416'] })

#view DataFrame
df

	event start_date end_date
0 A 20150601 20150608
1 B 20160201 20160209
2 C 20170401 201704161

#view column data types
df. dtypes

event object
start_date object
end_date object
dtype:object

Exemplo 1: Converter uma única coluna em DateTime

O código a seguir mostra como converter a coluna “start_date” de uma string para o formato DateTime:

 #convert start_date to DateTime format
df['start_date'] = pd. to_datetime (df['start_date'])

#view DataFrame
df

        event start_date end_date
0 A 2015-06-01 20150608
1 B 2016-02-01 20160209
2 C 2017-04-01 20170416

#view column date types
df. dtypes

event object
start_date datetime64[ns]
end_date object
dtype:object

Observe que a função to_datetime() é inteligente e geralmente pode inferir o formato de data correto a ser usado, mas você também pode especificar qual formato usar com o argumento format :

 #convert start_date to DateTime format
df['start_date'] = pd. to_datetime (df['start_date'], format=' %Y%m%d ')

#view DataFrame
df

        event start_date end_date
0 A 2015-06-01 20150608
1 B 2016-02-01 20160209
2 C 2017-04-01 20170416

#view column date types
df. dtypes

event object
start_date datetime64[ns]
end_date object
dtype:object

Exemplo 2: Converter múltiplas colunas em DateTime

O código a seguir mostra como converter as colunas “start_date” e “end_date” de strings para formatos DateTime:

 #convert start_date and end_date to DateTime formats
df[['start_date', 'end_date']] = df[['start_date', 'end_date']]. apply (pd. to_datetime )

#view DataFrame
df

	event start_date end_date
0 A 2015-06-01 2015-06-08
1 B 2016-02-01 2016-02-09
2 C 2017-04-01 2017-04-16

#view column date types
df. dtypes

event object
start_date datetime64[ns]
end_date datetime64[ns]
dtype:object

Exemplo 3: Converter colunas para o formato DateTime com segundos

Em alguns casos, você também pode ter colunas que incluem uma data, bem como horas, minutos e segundos, como o seguinte DataFrame:

 #createDataFrame
df = pd.DataFrame({'event': ['A', 'B', 'C'],
                   'start_date': ['20150601043000', '20160201054500', '20170401021215'],
                   'end_date': ['20150608', '20160209', '20170416'] })

#view DataFrame
df

        event start_date end_date
0 A 20150601043000 20150608
1 B 20160201054500 20160209
2 C 20170401021215 20170416

Novamente, a função to_datetime() é inteligente e geralmente pode inferir o formato correto a ser usado sem que o especifiquemos:

 #convert start_date to DateTime format
df['start_date'] = pd. to_datetime (df['start_date'])

#view DataFrame
df

        event start_date end_date
0 A 2015-06-01 04:30:00 20150608
1 B 2016-02-01 05:45:00 20160209
2 C 2017-04-01 02:12:15 20170416

#view column date types
df. dtypes

event object
start_date datetime64[ns]
end_date object
dtype:object

Claro, você provavelmente encontrará uma variedade de formatos DateTime estranhos, então você pode precisar usar o argumento format para dizer ao Python exatamente qual formato DateTime usar.

Nesses casos, consulte esta página para obter uma lista completa de operadores %DateTime que você pode usar para especificar formatos.

Recursos adicionais

Como converter DateTime em data no Pandas
Como converter strings para flutuar no Pandas