pandas.read_parquet 错误地解释了日期字段

我有一个镶木地板文件，其中有一个日期字段，名为'BusinessDate'。当我将其导入数据框时，它会自动确定字段 BusinessDate 是日期（datetime64[ns, UTC]).

然而，由于这种格式'BusinessDate'场是'YYYY-MM-DD'，其中一些日期导入不正确。例如。 2013-02-01 应该是 2013 年 2 月 1 日，但实际上被解释为 2013 年 1 月 2 日。

是否可以设置正确的格式'BusinessDate'导入镶木地板文件时的字段？

最初我使用：

df.read_parquet('data.parquet')

如果我有一个 csv 文件，我的解决方案是：

custom_date_parser = lambda x: datetime.strptime(x, '%Y-%m-%d')
df.read_csv('data.csv',parse_dates=['BusinessDate'], date_parser=custom_date_parser)

但是，当我尝试使用类似的代码来尝试修复日期问题时，它会给出错误：

custom_date_parser = lambda x: datetime.strptime(x, '%Y-%m-%d')
df.read_parquet('data.parquet',parse_dates=['BusinessDate'], date_parser=custom_date_parser)

该错误是由于以下事实引起的：read_parquet函数没有parse_dates or date_parser属性，read_csv功能确实有。

所以我的问题是：如何在 pandas 中导入镶木地板文件，以便'BusinessDate'字段以正确的格式正确导入为日期，即'YYYY-MM-DD'就我而言。或者如果熊猫无法做到这一点read_parquet功能，是否可以导入'BusinessDate'字段作为 a 中的字符串字段pandas.DataFrame以便我之后可以更改它？

很好的问题。 Pandas 还没有这方面的功能。

阅读 parquet 后，我​​建议您使用 lambda 函数，如下所示：

df['new_col'] = df['col'].apply(lambda x: datetime.strptime(x, '%Y-%m-%d'))