我有以下超过 400 000 行的数据框。
df = pd.DataFrame({'date' : ['03/02/2015 23:00',
'03/02/2015 23:30',
'04/02/2015 00:00',
'04/02/2015 00:30',
'04/02/2015 01:00',
'04/02/2015 01:30',
'04/02/2015 02:00',
'04/02/2015 02:30',
'04/02/2015 03:00',
'04/02/2015 03:30',
'04/02/2015 04:00',
'04/02/2015 04:30',
'04/02/2015 05:00',
'04/02/2015 05:30',
'04/02/2015 06:00',
'04/02/2015 06:30',
'04/02/2015 07:00']})
我正在尝试尽快解析 pandas 中 csv 文件的日期列。我知道如何使用 read_csv 来做到这一点，但这需要很多时间！另外，我尝试了以下方法，该方法有效但速度也很慢：df['dateTimeFormat'] = pd.to_datetime(df['date'],dayfirst=True)
如何有效且快速地将日期列解析为日期时间？
非常感谢您的帮助，
Pierre
您可以定义格式datetimes by http://strftime.org/:
df = pd.concat([df] * 1000, ignore_index=True)
%timeit df['dateTimeFormat1'] = pd.to_datetime(df['date'],dayfirst=True)
2.94 s ± 285 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
%timeit df['dateTimeFormat2'] = pd.to_datetime(df['date'],format='%d/%m/%Y %H:%M')
55 ms ± 1.47 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
