Python使用for循环将多列转换为datetime

我被困在这上面，正在寻求社区帮助。我在dataframe中有一些列标记为对象，但希望转换为datetime。所有列都有年、月、日标准

time = np.array(['time1','time2','time3'])

虽然都有年、月、日我收到这个错误

ValueError: to assemble mappings requires at least that [year, month, day] be specified: [day,month,year] is missing

df-

df中可能存在需要跳过的空值

我在没有他们的情况下做了测试，运气也不好。所以我不太清楚为什么这种方法不起作用。谢谢

您可以使用

将熊猫作为pd导入
def转换时间（df，cols=None）：
如果不是cols：
#如果未指定任何列，请使用“全部”
cols=df.columns
df[cols]=df[cols].astype（'datetime64'）
返回df
df=pd.DataFrame({
“创建时间：['2020-06-06 20:01:10.327']，
“更新地址：['2020-06-06 22:08:14.832']
})
打印（df.dtypes）
#在对象上创建
#在对象上更新了\u
#数据类型：对象
df2=转换时间（df）
打印（df2.D类型）
#已在datetime64创建\u[ns]
#更新日期时间64[ns]
#数据类型：对象

您可以使用

将熊猫作为pd导入
def转换时间（df，cols=None）：
如果不是cols：
#如果未指定列，请使用全部
cols=df.columns
df[cols]=df[cols].astype（'datetime64'）
返回df
df=pd.DataFrame({
“创建时间：['2020-06-06 20:01:10.327']，
“更新地址：['2020-06-06 22:08:14.832']
})
打印（df.dtypes）
#在对象上创建
#在对象上更新了\u
#数据类型：对象
df2=转换时间（df）
打印（df2.D类型）
#已在datetime64创建\u[ns]
#更新日期时间64[ns]
#数据类型：对象

请发布一个DataFrameWare示例，使用

时间

等变量名。。。另外，它将是数据特定的。我添加了一个简化的df样本。请发布一个DataFrameWare的示例，使用

time

作为变量名。。。另外，它将是数据特定的。我添加了一个简化的df样本。如果其中一个df没有所有的列，我怎么能轻松地解释呢？你的意思是说，在这种情况下，你的数据帧有很多列，但你只想将其中的一个子集制作成datetime？使用

转换时间（df，['col1'，'col2']）

。如果一个df只有time1，而另一个df有time1、time2、time3，则数据帧的所有其他列都不会被触动。我在一些dfs上运行此操作，因此如果不是所有时间列都在DFT中，则会出现not in index错误，此时您必须使用

convert_times（df1，['time1'，'time2']）；convert_times（df2，['anothertime1'，'anothertime2']）

如果其中一个dfs没有所有的列，我如何轻松地解释这一点？您的意思是，您的数据帧有很多列，但您只想将其中的一个子集转换为datetime？使用

转换时间（df，['col1'，'col2']）

。如果一个df只有time1，而另一个df有time1、time2、time3，则数据帧的所有其他列都不会被触动。我在一些dfs上运行此操作，因此如果不是所有时间列都在DFT中，则会出现not in index错误，此时您必须使用

convert_times（df1，['time1'，'time2']）；转换时间（df2，['anothertime1'，'anothertime2']）

ValueError: to assemble mappings requires at least that [year, month, day] be specified: [day,month,year] is missing

time1                      time2                      time3 
2020-06-06 20:01:10.327    2020-06-06 22:08:14.832    2020-06-06