为什么 pandas.to_datetime 对于非标准时间格式（例如“2014/12/31”）很慢

我有一个这种格式的 .csv 文件

timestmp, p
2014/12/31 00:31:01:9200, 0.7
2014/12/31 00:31:12:1700, 1.9
...

当通过阅读时pd.read_csv并将时间字符串转换为日期时间使用pd.to_datetime，性能急剧下降。这是一个最小的例子。

import re
import pandas as pd

d = '2014-12-12 01:02:03.0030'
c = re.sub('-', '/', d)

%timeit pd.to_datetime(d)
%timeit pd.to_datetime(c)
%timeit pd.to_datetime(c, format="%Y/%m/%d %H:%M:%S.%f")

表演是：

10000 loops, best of 3: 62.4 µs per loop
10000 loops, best of 3: 181 µs per loop
10000 loops, best of 3: 82.9 µs per loop

那么，我怎样才能提高性能pd.to_datetime从 csv 文件读取日期时？

这是因为 pandas 回落到dateutil.parser.parse用于在字符串具有非默认格式或没有时解析字符串format提供字符串（这更灵活，但也更慢）。

如上所示，您可以通过提供format字符串到to_datetime。或者另一种选择是使用infer_datetime_format=True

显然，infer_datetime_format无法推断何时存在微秒。通过没有这些的示例，您可以看到很大的加速：

In [28]: d = '2014-12-24 01:02:03'

In [29]: c = re.sub('-', '/', d)

In [30]: s_c = pd.Series([c]*10000)

In [31]: %timeit pd.to_datetime(s_c)
1 loops, best of 3: 1.14 s per loop

In [32]: %timeit pd.to_datetime(s_c, infer_datetime_format=True)
10 loops, best of 3: 105 ms per loop

In [33]: %timeit pd.to_datetime(s_c, format="%Y/%m/%d %H:%M:%S")
10 loops, best of 3: 99.5 ms per loop