Python 为什么在导入csv文件时使用推断日期时间格式？

以下各项之间的流程差异在哪里：

df=pd.read_csv(filename, parse_dates=[0], infer_datetime_format=True)

及

为什么第一次导入到？ 因为parse_dates已经指定了在何处查找日期。

for

pandas.read_csv

建议原因：

推断日期时间格式：布尔值，默认值为False

如果启用了True和parse_日期，pandas将尝试推断 列中日期时间字符串的格式，以及是否可以 然后，切换到更快的解析方法。在某些情况下 这可以将解析速度提高5-10倍

本质上，Pandas从第一个元素推断出

datetime

的格式，然后假设序列中的所有其他元素将使用相同的格式。这意味着熊猫在尝试将字符串转换为

datetime

时不需要检查多种格式

请记住，CSV文件只能保存文本数据，因此始终需要转换为

datetime

（基本上是数字类型）

下面是一个演示：

from dateutil import parser
from datetime import datetime

L = ['2018-01-05', '2018-12-20', '2018-03-30', '2018-04-15']*5000

%timeit [parser.parse(i) for i in L]                   # 1.57 s
%timeit [datetime.strptime(i, '%Y-%m-%d') for i in L]  # 338 ms

---

这是否意味着，如果没有此命令，pandas将尝试检查是否有“行”，如果是，则检查每行中使用的日期时间格式？不确定您的意思。但是，在不进行推断的情况下，它将为每一行尝试多种格式，直到其中一行起作用为止。效率不高。谢谢你的帮助，我显然需要你的帮助；-）那么，这是否意味着，如果出现不同的日期，则不应使用此选项？也许我的问题应该是，推断的缺点是什么？正确。如果您有多个格式，请不要推断。

from dateutil import parser
from datetime import datetime

L = ['2018-01-05', '2018-12-20', '2018-03-30', '2018-04-15']*5000

%timeit [parser.parse(i) for i in L]                   # 1.57 s
%timeit [datetime.strptime(i, '%Y-%m-%d') for i in L]  # 338 ms