Python 是否有比pd.to_datetime更快的日期转换？

我正在尝试将2017年1月1日格式的pandas数据框中的日期转换为python格式，以便提取一周中的某一天。 我一直在使用：

df['Date'] = pd.to_datetime(df['Date'])
df['DOW'] = df['Date'].dt.weekday_name

但是第一行大约需要250µs，我有超过100万个日期要转换

---

有更快的方法吗？

将

pd.的
format
参数添加到_datetime

中，因为您知道格式是什么，所以速度将提高约40倍

pd.to_datetime(df['Date'], format='%d/%m/%Y')

对我来说大约需要4秒钟

此外，这有点不太准确，但如果您知道可能日期的上下限，则可以使用所有可能字符串的映射来连接数据：

dates = pd.date_range(pd.Timestamp.min, pd.Timestamp.max)
date_mappings = pd.Series(dates, index=dates.strftime('%d/%m/%Y'), name='Date')
df = df.join(date_mappings, on='Date', lsuffix='_str')

---

这在我的计算机上花费了<1秒，如果您知道可能日期的界限，可能会进一步减少您有固定的日期时间格式吗？文件说，通过将其设置为

True

，可以将速度提高5-10倍。到目前为止，你没有提供我能看到的任何格式字符串。所有日期都是2017年1月1日的格式，我不在乎它们转换成什么格式，只要我能提取一周中的某一天。我希望这能回答你的问题。我想提供一个格式字符串会比

推断日期时间\u格式

更快。哇。使用infer_datetime_格式将速度提高了45倍。谢谢欢迎正如我在上一篇评论中所说的，我可以想象，如果你明确给出了格式，那么它就不需要去推断它，你可以更快。时间是丑陋的；我喜欢

dateparser

（非熊猫）模块，因为它在原型设计方面的灵活性，但开销太大了；我根本不明白那里发生了什么：）有没有明确的理由说明为什么

date\u range

应该比提供固定的日期格式更快？这实际上让我很困惑，

pandas

到datetime

依赖Python吗？我必须进一步研究这个问题，谢谢你指出！hacky版本将日期字符串映射到所有日期的日期，而不考虑输入数据。因此，它可以与映射合并，而不是将数据中每一行的每个日期字符串转换为日期

pd.date\u range

只是给出了一个有效日期序列，以便精确地进行映射。或者，您也可以不为所有日期进行映射，而只为数据中唯一的日期字符串进行映射：

date\u mappings=pd.to\u datetime（df.set\u index（'date'，drop=False）。date.drop\u duplicates（），format='%d/%m/%Y'）

我想这让我觉得很不舒服，因为它没有使用“一种明显的方式”使用

pd.to\u datetime

的方法，并以迂回的方式获得结果。一个可能的陷阱是，如果存在格式不正确的字符串，它将返回NaT，而

pd.to_datetime

将引发错误（在版本>=0.17中，在旧版本中，它将以字符串的形式静默保留所有内容）。