pandas.to_datetime

pandas.to_datetime(*args, **kwargs)

Преобразовать аргумент в дату и время.

Параметры:

arg : строка, datetime, список, кортеж, одномерный массив, Series errors : {‘ignore’, ‘raise’, ‘coerce’}, по умолчанию ‘raise’ Если ‘raise’, то некорректный разбор вызовет исключение Если ‘coerce’, то некорректный разбор будет установлен как NaT Если ‘ignore’, то некорректный разбор вернёт входные данные dayfirst : boolean, по умолчанию False Укажите порядок разбора даты, если arg является строкой или её списковыми аналогами. Если True, то разбор дат выполняется с днём впереди, например, 10/11/12 будет разобран как 2012-11-10. Предупреждение: dayfirst=True не является жёстким, но будет предпочитать разбор с днём впереди (это известная ошибка, основанная на поведении dateutil). yearfirst : boolean, по умолчанию False Укажите порядок разбора даты, если arg является строкой или её списковыми аналогами. Если True, то разбор дат выполняется с годом впереди, например, 10/11/12 будет разобран как 2010-11-12. Если оба dayfirst и yearfirst True, то yearfirst выполняется раньше (так же, как и в dateutil). Предупреждение: yearfirst=True не является жёстким, но будет предпочитать разбор с годом впереди (это известная ошибка, основанная на поведении dateutil). utc : boolean, по умолчанию None Возвращает UTC DatetimeIndex, если True (преобразуя любые tz-aware datetime.datetime объекты тоже). box : boolean, по умолчанию True Если True, возвращается DatetimeIndex Если False, возвращается массив значений. format : строка, по умолчанию None strftime для разбора времени, например, “%d/%m/%Y”, обратите внимание, что “%f” будет анализировать значения вплоть до наносекунд. exact : boolean, по умолчанию True Если True, требуется точное соответствие формата. Если False, формат может соответствовать любой части целевой строки. unit : единица измерения arg (D,s,ms,us,ns) обозначает единицу в эпохе (например, метка времени Unix), которая является целым/вещественным числом. infer_datetime_format : boolean, по умолчанию False Если True и format не указан, попытаться определить формат строк даты и времени, и если это возможно, переключиться на более быстрый метод разбора. В некоторых случаях это может увеличить скорость разбора в ~5-10 раз.

Возвращает:

ret : дата и время, если разбор выполнен успешно. Тип возвращаемого значения зависит от входных данных: списковые данные: DatetimeIndex Series: Series с типом datetime64 скалярное значение: Timestamp В случае, когда невозможно вернуть указанные типы (например, когда любой элемент входных данных находится до Timestamp.min или после Timestamp.max), возвращаемое значение будет иметь тип datetime.datetime (или соответствующий массив/Series).

Примеры

Сборка даты и времени из нескольких столбцов DataFrame. Ключи могут быть общими сокращениями, такими как [‘год’, ‘месяц’, ‘день’, ‘минута’, ‘секунда’, ‘мс’, ‘мкс’, ‘нкс’]), или множественное число того же

>>> df = pd.DataFrame({'year': [2015, 2016],
                       'month': [2, 3],
                       'day': [4, 5]})
>>> pd.to_datetime(df)
0   2015-02-04
1   2016-03-05
dtype: datetime64[ns]

Если дата не соответствует ограничениям по меткам времени, передача errors=’coerce’ принудительно установит её как NaT. Кроме того, это также принудительно установит не-даты как NaT.

>>> pd.to_datetime('13000101', format='%Y%m%d')
datetime.datetime(1300, 1, 1, 0, 0)
>>> pd.to_datetime('13000101', format='%Y%m%d', errors='coerce')
NaT

Передача infer_datetime_format=True часто может ускорить разбор, если это не формат ISO8601 точно, но в регулярном формате.

>>> s = pd.Series(['3/11/2000', '3/12/2000', '3/13/2000']*1000)

>>> s.head()
0    3/11/2000
1    3/12/2000
2    3/13/2000
3    3/11/2000
4    3/12/2000
dtype: object

>>> %timeit pd.to_datetime(s,infer_datetime_format=True)
100 loops, best of 3: 10.4 ms per loop

>>> %timeit pd.to_datetime(s,infer_datetime_format=False)
1 loop, best of 3: 471 ms per loop