Python ValueError：时间数据'；2006年11月10日24:00'；与格式不匹配'；%d/%m/%Y%H:%m'；

我试过：

df["datetime_obj"] = df["datetime"].apply(lambda dt: datetime.strptime(dt, "%d/%m/%Y %H:%M"))

但我犯了这个错误：

ValueError:时间数据“10/11/2006 24:00”的格式不匹配 “%d/%m/%Y%H:%m”

---

如何正确解决此问题？

如文档（）所示，小时从00到23。24:00则为错误。

此操作不起作用的原因是

%H

参数仅接受

00

到

23

范围内的值（两者均包括在内）。这意味着

24:00

就像错误所说的那样，不是有效的时间字符串

因此，我认为除了将字符串转换为有效格式之外，我们没有太多其他选择。我们可以先将

24:00

替换为

00:00

，然后为这些时间戳增加日期

比如：

---

因此，最后一行在包含

24:00

的行中添加一天，这样

'10/11/2006 24:00'

将转换为

'11/11/2006 24:00'

。然而，请注意，上述操作相当不安全，因为根据时间戳的格式，这将/不会起作用。因为只有一个冒号，所以上面的代码可能会起作用。但是，例如，如果

datetime

s也有秒，则过滤器可能会在

00:24:00

时触发，因此可能需要一些额外的工作才能使其工作。

您的数据不遵循Python/Pandas

datetime

对象使用的约定。存储特定日期时间的方法只有一种，即

'10/11/2006 24:00'

应重写为

'11/11/2006 00:00'

这里有一种解决问题的方法：

# find datetimes which have '24:00' and rewrite
twenty_fours = df['strings'].str[-5:] == '24:00'
df.loc[twenty_fours, 'strings'] = df['strings'].str[:-5] + '00:00'

# construct datetime series
df['datetime'] = pd.to_datetime(df['strings'], format='%d/%m/%Y %H:%M')

# add one day where applicable
df.loc[twenty_fours, 'datetime'] += pd.DateOffset(1)

以下是一些需要测试的数据：

dateList = ['10/11/2006 24:00', '11/11/2006 00:00', '12/11/2006 15:00']
df = pd.DataFrame({'strings': dateList})

上述转换后的结果：

print(df['datetime'])

0   2006-11-11 00:00:00
1   2006-11-11 00:00:00
2   2006-11-12 15:00:00
Name: datetime, dtype: datetime64[ns]

---

24:00

不是有效的小时。

%H

的范围是

0您首先是如何获得这些值的？@WillemVanOnsem:这些值出现在输入数据中，我应该对其进行预处理。有没有办法克服这个问题？那么
10/11/2006 24:00
意味着什么呢？现在是
11/11/2006 00:00
？因为这会让事情变得更棘手。好的，谢谢。但我如何解决这个问题呢？是否有可能揭露这些案例并用0代替24？这是一种典型的坏数据形式。你有两个选择。您可以通过修复生成数据的内容（最佳选项）来修复它们，或者通过更改（例如，
'24:'
）通过
'00:'
（Python中的简单操作）来修复数据。很酷，但我也收到了此警告。你知道这是什么意思吗/opt/conda/lib/python3.6/site packages/ipykernel_launcher.py:4:SettingWithCopyWarning:试图在数据帧的切片副本上设置一个值请参见文档中的警告：@ScalaBoy:是的，关于警告有什么不清楚的地方？@ScalaBoy:通过乘法而不是过滤。但不幸的是，这可能会导致额外的效率低下，因为您似乎已经在使用
.apply（…）
性能可能已经不是那么高了：）很好的解释。我觉得您不必替换
'24:00'
，也不必将
str.contains（'24:00'）
作为单独的步骤进行检查。可以使用布尔级数并重用它。我试图在我的回答中做到这一点。@WillemVanOnsem，明白了，我想这比什么都更符合风格。
print(df['datetime'])

0   2006-11-11 00:00:00
1   2006-11-11 00:00:00
2   2006-11-12 15:00:00
Name: datetime, dtype: datetime64[ns]