Python 如何将包含混合时间和日期时间值的列转换为just datetime（或just time）？

以下是专栏

Time            CloseTime
17  09:30:00  2019-04-22 09:32:00
27  09:30:00  2019-05-13 09:32:00
36  09:30:00             15:15:00
37  09:30:00             15:15:00
44  09:30:00  2019-05-24 09:32:00
76  09:30:00  2019-06-07 09:32:00
92  09:30:00  2019-06-17 09:32:00

目前两列的

dtype

都是

O

我想将这两列转换为

time

，以便比较（减去）它们

我试过：

df['CloseTime'] = pd.to_datetime(df['CloseTime'])

---

关闭时，您需要将两个列转换为TimeDelta，第二个是删除的日期，以便以后继续：

df['Time'] = pd.to_timedelta(df['Time']. astype(str))
df['CloseTime'] = pd.to_timedelta(df['CloseTime'].str.split().str[-1])

#e.g. subtract columns    
df['diff'] = df['CloseTime'].sub(df['Time'])
print (df)
       Time CloseTime     diff
17 09:30:00  09:32:00 00:02:00
27 09:30:00  09:32:00 00:02:00
36 09:30:00  15:15:00 05:45:00
37 09:30:00  15:15:00 05:45:00
44 09:30:00  09:32:00 00:02:00
76 09:30:00  09:32:00 00:02:00
92 09:30:00  09:32:00 00:02:00

---

关闭时，您需要将两个列转换为TimeDelta，第二个是删除的日期，以便以后继续：

df['Time'] = pd.to_timedelta(df['Time']. astype(str))
df['CloseTime'] = pd.to_timedelta(df['CloseTime'].str.split().str[-1])

#e.g. subtract columns    
df['diff'] = df['CloseTime'].sub(df['Time'])
print (df)
       Time CloseTime     diff
17 09:30:00  09:32:00 00:02:00
27 09:30:00  09:32:00 00:02:00
36 09:30:00  15:15:00 05:45:00
37 09:30:00  15:15:00 05:45:00
44 09:30:00  09:32:00 00:02:00
76 09:30:00  09:32:00 00:02:00
92 09:30:00  09:32:00 00:02:00

映射到

+

到_timedelta

我玩得很开心

x = pd.to_datetime(df['CloseTime']).dt.time.astype(str)
y = df['Time'].astype(str)
# convert `x` and `y` to `timedelta`, then subtract
df['diff'] = pd.Series.sub(*map(pd.to_timedelta, (x, y)))
df

        Time            CloseTime     diff
17  09:30:00  2019-04-22 09:32:00 00:02:00
27  09:30:00  2019-05-13 09:32:00 00:02:00
36  09:30:00             15:15:00 05:45:00
37  09:30:00             15:15:00 05:45:00
44  09:30:00  2019-05-24 09:32:00 00:02:00
76  09:30:00  2019-06-07 09:32:00 00:02:00
92  09:30:00  2019-06-17 09:32:00 00:02:00

映射到

+

到_timedelta

我玩得很开心

x = pd.to_datetime(df['CloseTime']).dt.time.astype(str)
y = df['Time'].astype(str)
# convert `x` and `y` to `timedelta`, then subtract
df['diff'] = pd.Series.sub(*map(pd.to_timedelta, (x, y)))
df

        Time            CloseTime     diff
17  09:30:00  2019-04-22 09:32:00 00:02:00
27  09:30:00  2019-05-13 09:32:00 00:02:00
36  09:30:00             15:15:00 05:45:00
37  09:30:00             15:15:00 05:45:00
44  09:30:00  2019-05-24 09:32:00 00:02:00
76  09:30:00  2019-06-07 09:32:00 00:02:00
92  09:30:00  2019-06-17 09:32:00 00:02:00

---

感谢Jezrael，我在尝试运行代码时遇到了以下错误：回溯>（上次的最新调用）：文件“pandas/_libs/tslibs/timedeltas.pyx”，第182行，在pandas中。_libs.tslibs.timedeltas.array_到_timedelta64文件“pandas/_libs/tslibs/timedeltas.pyx”，第267行，在pandas中。_libs.tslibs.timedelta.parse_timedelta_string TypeError:datetime.time类型的对象没有len（）@Sid，然后使用

df['time']=pd.to_timedelta（df['time'].astype（str））

转换为字符串。感谢Jezrael，我在尝试运行代码时出现以下错误：Traceback>（最近一次调用上次）：File“pandas/_libs/tslibs/timedeltas.pyx”，pandas中的第182行。_libs.tslibs.timedeltas.array_to_timedelta64文件“pandas/_libs/tslibs/timedeltas.pyx”，pandas中的第267行。_libs.tslibs.timedeltas.parse_timedelta_字符串类型错误：“datetime”类型的对象没有len（）@Sid然后使用

df['time']=pd.to_timedelta（df['time'].astype（str））

用于转换为字符串。