pandas 快速处理 date_time 日期格式方法
当数据很多，且日期格式不标准时的时候，如果pandas.to_datetime 函数使用不当，会使得处理时间变得很长，提升速度的关键在于format的使用。下面举例进行说明：
示例数据：
date 格式：02.01.2013 即 日.月.年
数据量：3000000
transcation.head() --------------------------------------------- date date_block_num shop_id item_id item_price item_cnt_day 0 02.01.2013 0 59 22154 999.00 1.0 1 03.01.2013 0 25 2552 899.00 1.0 2 05.01.2013 0 25 2552 899.00 -1.0 3 06.01.2013 0 25 2554 1709.05 1.0 4 15.01.2013 0 25 2555 1099.00 1.0
处理方式一：
transactions['date_formatted']=pd.to_datetime(transactions['date'])
处理时间： 10min
处理方式二：
transactions['date_formatted']=pd.to_datetime(transactions['date'], format='%d.%m.%Y')
处理时间：10s
附录：format相关
| 代码 | 说明 |
|---|---|
| %Y | 4位数的年 |
| %y | 2位数的年 |
| %m | 2位数的月[01,12] |
| %d | 2位数的日[01，31] |
| %H | 时（24小时制）[00,23] |
| %l | 时（12小时制）[01,12] |
| %M | 2位数的分[00,59] |
| %S | 秒[00,61]有闰秒的存在 |
| %w | 用整数表示的星期几[0（星期天），6] |
| %F | %Y-%m-%d简写形式例如，2017-06-27 |
| %D | %m/%d/%y简写形式 |
以上这篇pandas 快速处理 date_time 日期格式方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持小牛知识库。
-
主要内容：日期格式化符号,Python处理,Pandas处理当进行数据分析时，我们会遇到很多带有日期、时间格式的数据集，在处理这些数据集时，可能会遇到日期格式不统一的问题，此时就需要对日期时间做统一的格式化处理。比如“Wednesday, June 6, 2020”可以写成“6/6/20”，或者写成“06-06-2020。 日期格式化符号 在对时间进行格式化处理时，它们都有固定的表示格式，比如小时的格式化符号为 ,分钟简写为 ，秒简写为 。下表对常用的日期
-
问题内容： 当我到达下面的df.date（）行时，使用此格式的日期时应用程序崩溃： 致命错误：解开Optional值时意外发现nil 我也看到了这一点： 错误：执行被中断，原因：EXC_BAD_INSTRUCTION（代码= EXC_I386_INVOP，子代码= 0x0） 我有可以采用这种格式的字符串 但有时采用这种格式 这是在上述格式下崩溃的代码段： 如何使用基本一个功能处理两种格式？ 问题答
-
问题内容： 我不知道如何更改这些x标签的格式。理想情况下，我想请他们。我已经尝试过类似的操作，但是没有成功。 问题答案： 在对象DF的对象。调用每个对象： 与截断ticklabel字符串相比，这提供了更通用的格式设置选项。
-
我是Groovy的新手。我的数据库中有以下日期： （同上无空格）
-
设定年月日的排列顺序。
-
如何强制GLFW管理每秒60次以上的键盘回调？也就是说，我希望GLFW的键盘处理速度取决于实际的FPS。这可能吗？