Python 将日期类型的日期解析为DDMMMYYYY

目前，我的数据的日期为2017年1月1日，我如何使Panda将其理解为日期类型，我需要数据为日期类型，以便在不同的时间范围内对其进行过滤。 我使用了下面的

data=pd.read_csv(input_path + 'data.txt',sep='|', parse_dates=['week'])

但当我检查了一周的数据类型后，它仍然显示为object

如果您还可以将我引向一些其他链接，以便我可以阅读有关此的更多信息，那将非常有帮助。

您可以使用此链接将日期字符串解析为

datetime

对象：

>>> from datetime import datetime
>>> datetime.strptime("01JAN2017", "%d%b%Y")
>>> datetime.datetime(2017, 1, 1, 0, 0)

现在，为了让熊猫识别格式，您可以添加一个日期解析器函数：

dateparse = lambda dates: [pd.datetime.strptime(d, "%d%b%Y") for d in dates]
df = pd.read_csv(infile, parse_dates=["week"], date_parser=dateparse)

您可以使用将日期字符串解析为

datetime

对象：

>>> from datetime import datetime
>>> datetime.strptime("01JAN2017", "%d%b%Y")
>>> datetime.datetime(2017, 1, 1, 0, 0)

现在，为了让熊猫识别格式，您可以添加一个日期解析器函数：

dateparse = lambda dates: [pd.datetime.strptime(d, "%d%b%Y") for d in dates]
df = pd.read_csv(infile, parse_dates=["week"], date_parser=dateparse)

---

在

pandas

中，使用datetime

方法是自然选择

In [11]: D = {'Date': '01JAN2017'}
In [12]: df = pd.DataFrame(D, index=[0])
In [13]: df
Out[13]: 
        Date
0  01JAN2017
In [14]: df.dtypes
Out[14]: 
Date    object
dtype: object

# Datatime column is read as string
# use to_datetime to convert non-standard datetime values    

In [15]: df['Date'] = pd.to_datetime(df.Date, format='%d%b%Y')
In [16]: df.dtypes
Out[16]: 
Date    datetime64[ns]
dtype: object
In [17]: df['Date']
Out[17]: 
0   2017-01-01
Name: Date, dtype: datetime64[ns]

当日期时间格式不是标准格式时，

pd.read\u csv

的文档实际上建议您使用

to\u datetime

：

如果列或索引包含不可解析的日期，则整个列或索引将作为对象数据类型原封不动地返回。对于非标准日期时间解析，请在pd.read\u csv之后使用pd.to\u datetime

---

在

pandas

中，使用datetime

方法是自然选择

In [11]: D = {'Date': '01JAN2017'}
In [12]: df = pd.DataFrame(D, index=[0])
In [13]: df
Out[13]: 
        Date
0  01JAN2017
In [14]: df.dtypes
Out[14]: 
Date    object
dtype: object

# Datatime column is read as string
# use to_datetime to convert non-standard datetime values    

In [15]: df['Date'] = pd.to_datetime(df.Date, format='%d%b%Y')
In [16]: df.dtypes
Out[16]: 
Date    datetime64[ns]
dtype: object
In [17]: df['Date']
Out[17]: 
0   2017-01-01
Name: Date, dtype: datetime64[ns]

当日期时间格式不是标准格式时，

pd.read\u csv

的文档实际上建议您使用

to\u datetime

：

如果列或索引包含不可解析的日期，则整个列或索引将作为对象数据类型原封不动地返回。对于非标准日期时间解析，请在pd.read\u csv之后使用pd.to\u datetime

---

提示：

datetime.strtime

。提示：

datetime.strtime

。这是否会增加我的运行时间，就像我使用3个日期列的大数据一样？这是否会增加我的运行时间，就像我使用3个日期列的大数据一样？