pandas.to_datetime

pandas.to_datetime(arg, errors='raise', dayfirst=False, yearfirst=False, utc=None, box=True, format=None, exact=True, unit=None, infer_datetime_format=False, origin='unix') [source]

Преобразование аргумента в дату и время.

Параметры:

arg : целое число, число с плавающей точкой, 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 задан как NaT Если ‘ignore’, то некорректный разбор вернёт исходное значение dayfirst : логическое значение, по умолчанию False Указывает порядок разбора даты, если arg является строкой или списком. Если True, разбирает даты с днём вначале, например, 10/11/12 разбирается как 2012-11-10. Предупреждение: dayfirst=True не является строгим, но предпочтительно разбирать с днём вначале (эта проблема известна, основана на поведении dateutil). yearfirst : логическое значение, по умолчанию False Указывает порядок разбора даты, если arg является строкой или списком. Если True, разбирает даты с годом вначале, например, 10/11/12 разбирается как 2010-11-12. Если оба dayfirst и yearfirst True, то yearfirst выполняется в первую очередь (так же, как и в dateutil). Предупреждение: yearfirst=True не является строгим, но предпочтительно разбирать с годом вначале (эта проблема известна, основана на поведении dateutil). utc : логическое значение, по умолчанию None Возвращает UTC DatetimeIndex, если True (преобразует любые tz-aware datetime.datetime объекты также). box : логическое значение, по умолчанию True Если True, возвращает DatetimeIndex Если False, возвращает массив значений. format : строка, по умолчанию None strftime для разбора времени, например, “%d/%m/%Y”, обратите внимание, что “%f” будет разбирать до наносекунд. exact : логическое значение, True по умолчанию Если True, требуется точное соответствие формата. Если False, формат может соответствовать где угодно в целевой строке. unit : строка, по умолчанию ‘ns’ единица измерения аргумента (D,s,ms,us,ns) обозначают единицу, которая является целым или дробным числом. Это будет основано на происхождении. Пример, с unit=’ms’ и origin=’unix’ (по умолчанию), это будет рассчитывать количество миллисекунд до начала эпохи unix. infer_datetime_format : логическое значение, по умолчанию False Если True и нет format, 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 на ~5-10 раз. origin : скаляр, по умолчанию ‘unix’ Определяет дату справки. Числовые значения будут интерпретироваться как количество единиц (определено unit) от этой даты справки. Если ‘unix’ (или POSIX) время; origin установлен на 1970-01-01. Если ‘julian’, unit должен быть ‘D’, и origin установлен на начало юлианского календаря. Юлианский номер дня 0 присваивается дню, начинающемуся в полдень 1 января 4713 г. до н.э. Если Timestamp допускает преобразование, origin установлен на идентифицированный origin Timestamp.

Возвращает:

ret : дата и время, если разбор прошёл успешно. Тип возвращаемого значения зависит от входных данных: подобные списки: DatetimeIndex Series: Series типа datetime64 скаляр: Timestamp В случае, когда невозможно вернуть указанные типы (например, когда любой элемент входных данных находится до Timestamp.min или после Timestamp.max), возврат будет иметь тип datetime.datetime (или соответствующий массив/Series).

См. также

pandas.DataFrame.astype

Преобразование аргумента к указанному типу.

pandas.to_timedelta

Преобразование аргумента в timedelta.

Примеры

Сборка даты и времени из нескольких столбцов DataFrame. Ключи могут быть общими сокращениями, такими как [‘год’, ‘месяц’, ‘день’, ‘минута’, ‘секунда’, ‘мс’, ‘мкс’, ‘нс’]) или множественным числом тех 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 отметки времени, передача errors=’ignore’ вернёт исходный ввод, вместо того чтобы поднимать любое исключение.

Передача errors=’coerce’ принудит дату вне границ к NaT, в дополнение к принуждению не-дат (или неразбираемых дат) к NaT.

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

Передача infer_datetime_format=True часто ускоряет разбор, если это не точный формат ISO8601, а регулярный формат.

>>> 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

Использование unix эпохи

>>> pd.to_datetime(1490195805, unit='s')
Timestamp('2017-03-22 15:16:45')
>>> pd.to_datetime(1490195805433502912, unit='ns')
Timestamp('2017-03-22 15:16:45.433502912')

Предупреждение

Для плавающего аргумента может произойти округление точности. Для предотвращения непредсказуемого поведения используйте тип с фиксированной шириной и точностью.

Использование источника эпохи, отличного от unix

>>> pd.to_datetime([1, 2, 3], unit='D',
                   origin=pd.Timestamp('1960-01-01'))
0    1960-01-02
1    1960-01-03
2    1960-01-04