如何在Pandas中更改日期时间格式

Question

我的数据帧有一个DOB列（示例格式1/1/2016），默认情况下转换为Pandas数据类型“object”。

使用< code > df[' DOB ']= PD . to _ datetime(df[' DOB '])将此转换为日期格式，日期将转换为:< code>2016-01-26，其< code>dtype为:< code>datetime64[ns]。

现在，我想将此日期格式转换为< code>01/26/2016或任何其他通用日期格式。我该怎么做？

(无论我尝试什么方法，它总是以< code>2016-01-26格式显示日期。)

Answer 1

之间是有区别的

• 数据帧单元的内容（二进制值）和
• 它的呈现（展示）给我们人类

所以问题是:如何在不改变数据/数据类型本身的情况下，达到我的数据的适当表示？

答案如下：

• 如果使用 Jupyter 笔记本显示数据帧，或者
• 如果你想以HTML文件的形式到达一个演示文稿（即使有许多准备好的多余的id和类属性用于进一步的CSS样式 - 你可以或可能不会使用它们），

使用样式。样式设置不会更改数据帧列的数据/数据类型。

现在我向您展示如何在Jupyter笔记本中找到它-有关超文本标记语言文件形式的演示文稿，请参阅本答案末尾的注释。

我假设您的列< code>DOB已经具有< code>datetime64类型(您已经表明您知道如何访问它)。我准备了一个简单的dataframe(只有一列)向您展示一些基本的样式:

> < li>

未设计风格:

df

          DOB
0  2019-07-03
1  2019-08-03
2  2019-09-03
3  2019-10-03

>

将其样式设置为mm/dd/yyyy：

df.style.format({"DOB": lambda t: t.strftime("%m/%d/%Y")})

          DOB
0  07/03/2019
1  08/03/2019
2  09/03/2019
3  10/03/2019

> < li>

将其样式化为< code>dd-mm-yyyy:

df.style.format({"DOB": lambda t: t.strftime("%d-%m-%Y")}) 

          DOB
0  03-07-2019
1  03-08-2019
2  03-09-2019
3  03-10-2019

小心点！< br >返回的对象不是dataframe —它是< code>Styler类的对象，因此不要将其赋回< code>df:

不要这样做：

df = df.style.format({"DOB": lambda t: t.strftime("%m/%d/%Y")})    # Don't do this!

(每个数据帧都有其Styler对象，可通过其< code >访问。style属性，我们更改了这个< code>df.style对象，而不是dataframe本身。)

问题和答案:

>

问：为什么将 Styler 对象（或返回该对象的表达式）用作 Jupyter 笔记本单元格中的最后一个命令，显示（带样式的）表，而不是 Styler 对象本身？

答：因为每个Styler对象都有一个回调方法._repr_html_（），它返回一个超文本标记语言代码来渲染你的数据帧（作为一个漂亮的超文本标记语言表）。

Jupyter 笔记本 IDE 会自动调用此方法来呈现具有此方法的对象。

注意：

您不需要Jupyter笔记本来进行样式设置（即，在不更改其数据/数据类型的情况下很好地输出数据帧）。

如果您想获得带有HTML代码的字符串(例如，用于在Web上发布格式化的数据帧，或者简单地以HTML格式显示表格)，Styler对象也有一个方法< code>render():

df_styler = df.style.format({"DOB": lambda t: t.strftime("%m/%d/%Y")})
HTML_string = df_styler.render()

Answer 2

更改格式但不更改类型：

df['date'] = pd.to_datetime(df["date"].dt.strftime('%Y-%m'))

Answer 3

如果需要将< code>datetime转换为其他格式，可以使用< code>dt.strftime(但请注意，列的< code>dtype将是< code > object (< code > string ):

import pandas as pd

df = pd.DataFrame({'DOB': {0: '26/1/2016', 1: '26/1/2016'}})
print (df)
         DOB
0  26/1/2016 
1  26/1/2016

df['DOB'] = pd.to_datetime(df.DOB)
print (df)
         DOB
0 2016-01-26
1 2016-01-26

df['DOB1'] = df['DOB'].dt.strftime('%m/%d/%Y')
print (df)
         DOB        DOB1
0 2016-01-26  01/26/2016
1 2016-01-26  01/26/2016