วิธีแปลงสตริงเป็น datetime ใน pandas

คุณสามารถใช้วิธีการต่อไปนี้เพื่อแปลงคอลัมน์สตริงเป็นรูปแบบวันที่และเวลาใน DataFrame ของแพนด้า:

วิธีที่ 1: แปลงคอลัมน์สตริงเป็น Datetime

 df[' col1 '] = pd. to_datetime (df[' col1 '])

วิธีที่ 2: แปลงหลายคอลัมน์จากสตริงเป็น Datetime

 df[[' col1 ', ' col2 ']] = df[[' col1 ', ' col2 ']]. apply (pd. to_datetime )

ตัวอย่างต่อไปนี้แสดงวิธีการใช้แต่ละวิธีในทางปฏิบัติกับ Pandas DataFrame ต่อไปนี้:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' task ': ['A', 'B', 'C', 'D'],
                   ' due_date ': ['4-15-2022', '5-19-2022', '6-14-2022', '10-24-2022'],
                   ' comp_date ': ['4-14-2022', '5-23-2022', '6-24-2022', '10-7-2022']})

#view DataFrame
print (df)

  task due_date comp_date
0 A 2022-04-15 2022-04-14
1 B 2022-05-19 2022-05-23
2 C 2022-06-14 2022-06-24
3 D 2022-10-24 2022-10-07

#view data type of each column
print ( df.dtypes )

task object
due_date object
comp_date object
dtype:object

เราจะเห็นว่าแต่ละคอลัมน์ใน DataFrame ปัจจุบันมีประเภทข้อมูล วัตถุ ซึ่งก็คือสตริง

ตัวอย่างที่ 1: แปลงคอลัมน์สตริงเป็น Datetime

เราสามารถใช้ไวยากรณ์ต่อไปนี้เพื่อแปลงคอลัมน์ Due_date จากสตริงเป็น datetime:

 #convert due_date column to datetime
df[' due_date '] = pd. to_datetime (df[' due_date '])

#view updated DataFrame
print (df)

  task due_date comp_date
0 A 2022-04-15 4-14-2022
1 B 2022-05-19 5-23-2022
2 C 2022-06-14 6-24-2022
3 D 2022-10-24 10-7-2022

#view data type of each column
print ( df.dtypes )

task object
due_date datetime64[ns]
comp_date object
dtype:object

เราจะเห็นว่าคอลัมน์ Due_date ถูกแปลงเป็น datetime ในขณะที่คอลัมน์อื่นๆ ทั้งหมดยังคงไม่เปลี่ยนแปลง

ตัวอย่างที่ 2: แปลงหลายคอลัมน์จากสตริงเป็น Datetime

เราสามารถใช้ไวยากรณ์ต่อไปนี้เพื่อแปลงคอลัมน์ Due_date และ comp_date จากสตริงเป็น datetime:

 #convert due_date and comp_date columns to datetime
df[[' due_date ', ' comp_date ']] = df[[' due_date ', ' comp_date ']]. apply (pd. to_datetime )

#view updated DataFrame
print (df)

  task due_date comp_date
0 A 2022-04-15 2022-04-14
1 B 2022-05-19 2022-05-23
2 C 2022-06-14 2022-06-24
3 D 2022-10-24 2022-10-07

#view data type of each column
print ( df.dtypes )

task object
due_date datetime64[ns]
comp_date datetime64[ns]
dtype:object

เราจะเห็นว่าคอลัมน์ Due_date และ comp_date ถูกแปลงจากสตริงเป็น datetime แล้ว

หมายเหตุ : คุณสามารถดูเอกสารฉบับเต็มของฟังก์ชัน to_datetime() ของ pandas ได้ที่นี่

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้จะอธิบายวิธีดำเนินการทั่วไปอื่น ๆ ในแพนด้า:

วิธีสร้างช่วงวันที่ใน Pandas
วิธีแปลงการประทับเวลาเป็นวันที่/เวลาใน Pandas
วิธีคำนวณความแตกต่างระหว่างวันที่สองวันในหมีแพนด้า