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', cache=False) [source]

Преобразование аргумента в дату и время.

Параметры:

arg : integer, float, string, datetime, list, tuple, 1-d array, Series Введено в версии 0.18.1: или DataFrame/dict-подобный объект errors : {‘ignore’, ‘raise’, ‘coerce’}, default ‘raise’ Если ‘raise’, то некорректный разбор вызовет исключение Если ‘coerce’, то некорректный разбор будет преобразован в NaT Если ‘ignore’, то некорректный разбор вернёт исходное значение dayfirst : boolean, default False Указывает порядок разбора даты, если arg является строкой или списком/кортежем строк. Если True, то даты разбираются с дня впереди, например, 10/11/12 разбирается как 2012-11-10. Предупреждение: dayfirst=True не является строгим, но будет предпочитать разбор с днём впереди (это известный баг, основанный на поведении dateutil). yearfirst : boolean, default False Указывает порядок разбора даты, если arg является строкой или списком/кортежем строк. Если True, то даты разбираются с года впереди, например, 10/11/12 разбирается как 2010-11-12. Если и dayfirst, и yearfirst равны True, то yearfirst имеет приоритет (так же как и в dateutil). Предупреждение: yearfirst=True не является строгим, но будет предпочитать разбор с годом впереди (это известный баг, основанный на поведении dateutil). Введено в версии 0.16.1. utc : boolean, default None Возвращает UTC DatetimeIndex, если True (преобразуя все tz-aware datetime.datetime объекты). box : boolean, default True Если True, возвращает DatetimeIndex или Index-подобный объект Если False, возвращает массив значений. format : string, default None strftime для разбора времени, например, “%d/%m/%Y”, обратите внимание, что “%f” будет разбор до наносекунд. exact : boolean, True by default Если True, требуется точное соответствие формата. Если False, формат может совпадать где-либо в целевой строке. unit : string, default ‘ns’ единица измерения аргумента (D,s,ms,us,ns) обозначает единицу, которая представляет собой целое или дробное число. Это будет основано на начальной точке отсчёта. Например, при unit=’ms’ и origin=’unix’ (по умолчанию), это вычислит количество миллисекунд до начала эпохи Unix. infer_datetime_format : boolean, default False Если True и format не указан, попытаться определить формат строк дат и, если это возможно, переключиться на более быстрый метод их разбора. В некоторых случаях это может увеличить скорость разбора на ~5-10 раз. origin : scalar, default is ‘unix’ Определяет дату отсчёта. Числовые значения будут интерпретированы как количество единиц (определённых unit) со дня этой даты. Если ‘unix’ (или POSIX) время; origin устанавливается на 1970-01-01. Если ‘julian’, единица измерения должна быть ‘D’, и origin устанавливается на начало юлианского календаря. Юлианский день номер 0 соответствует дню, начинающемуся в полдень 1 января 4713 года до нашей эры. Если Timestamp преобразуемый, origin устанавливается на Timestamp, определяемый origin. Введено в версии 0.20.0. cache : boolean, default False Если True, использовать кэш уникальных преобразованных дат для применения преобразования дат. Может значительно ускорить разбор, когда дублируются строки дат, особенно с часовыми поясами. Введено в версии 0.23.0.

Возвращаемое значение:

ret : datetime if parsing succeeded. Тип возвращаемого значения зависит от входных данных: list-подобный объект: DatetimeIndex Series: Series с типом datetime64 скаляр: Timestamp В случае, когда невозможно вернуть указанные типы (например, когда какой-либо элемент входных данных находится до Timestamp.min или после Timestamp.max), возвращаемый объект будет иметь тип datetime.datetime (или соответствующий массив/Series).

См. также

pandas.DataFrame.astype

Приведение 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 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 по Timestamp, передача errors=’ignore’ вернёт исходные данные вместо повышения исключения.

Передача errors=’coerce’ принудительно преобразует дату, выходящую за пределы, в NaT, а также принудительно преобразует не-даты (или неразбираемые даты) в 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 обычный 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 плавающей точки arg, возможно округление точности. Чтобы избежать неожиданного поведения, используйте тип с фиксированной шириной.

Использование начала отсчёта 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