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’, некорректный разбор вызовет исключение Если ‘coerce’, некорректный разбор будет установлен как NaT Если ‘ignore’, некорректный разбор вернёт входные данные dayfirst : boolean, по умолчанию False Указывает порядок разбора даты, если arg является строкой или списком. Если True, даты разбираются с днём впереди, например, 10/11/12 разбирается как 2012-11-10. Предупреждение: dayfirst=True не является строгим, но предпочитает разбор с днём впереди (это известная ошибка, основанная на поведении dateutil). yearfirst : boolean, по умолчанию False Указывает порядок разбора даты, если arg является строкой или списком. Если True, даты разбираются с годом впереди, например, 10/11/12 разбирается как 2010-11-12. Если и dayfirst, и yearfirst True, yearfirst имеет приоритет (так же, как и в dateutil). Предупреждение: yearfirst=True не является строгим, но предпочитает разбор с годом впереди (это известная ошибка, основанная на поведении dateutil). utc : boolean, по умолчанию None Возвращает UTC DatetimeIndex, если True (также преобразовывая любые tz-aware datetime.datetime объекты). box : boolean, 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 : boolean, по умолчанию True Если True, требуется точное соответствие формата. Если False, формат может соответствовать где угодно в целевой строке. unit : строка, по умолчанию ‘ns’ единица измерения arg (D,s,ms,us,ns) обозначают единицу, которая является целым или дробным числом. Это будет основано на начале отсчёта. Например, с unit=’ms’ и origin=’unix’ (по умолчанию), это вычислит количество миллисекунд до начала эпохи Unix. infer_datetime_format : boolean, по умолчанию False Если True и format не задано, попытаться определить формат строк даты и времени, а если он может быть определён, переключиться на более быстрый метод разбора. В некоторых случаях это может увеличить скорость разбора примерно в 5-10 раз. origin : скаляр, по умолчанию ‘unix’ Определяет базовую дату. Численные значения будут интерпретированы как количество единиц (определенных unit) со времени этой базовой даты. Если ‘unix’ (или POSIX) время, origin устанавливается на 1970-01-01. Если ‘julian’, unit должен быть ‘D’, а origin устанавливается на начало юлианского календаря. Юлианский день 0 соответствует дню, начинающемуся в полдень 1 января 4713 г. до н.э. Если Timestamp преобразуется, origin устанавливается на идентифицируемый Timestamp origin.

Возвращает:

ret : datetime, если разбор прошёл успешно. Тип возвращаемого значения зависит от входных данных: list-like: 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), возвращаемое значение 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 множественными формами этих же слов

>>> 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 timestamp, передача errors=’ignore’ вернёт исходные данные вместо повышения исключения.

Передача errors=’coerce’ приведёт к преобразованию внедиапазонной даты в NaT, а также приведёт не-даты (или неразбираемые даты) 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 формат ISO8601, а какой-то другой 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 времени эпохи Unix

>>> 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 аргумента float может произойти округление точности. Чтобы предотвратить неожиданное поведение, используйте тип с фиксированной шириной и точностью.

Использование не-Unix эпохи в качестве origin

>>> 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