Python 熊猫优雅地处理不同日期时间格式的列
我有一个写着生日的专栏。有些是不适用的,有些是2016年1月1日,但有些包含2016年1月1日01:01:01 过滤N.A.值可以正常工作。但处理不同的日期格式似乎很笨拙。是否有可能让pandas优雅地处理这些数据,例如,对于出生日期,只解释日期而不失败?pd.to\u datetime将处理多种格式Python 熊猫优雅地处理不同日期时间格式的列,python,date,datetime,pandas,Python,Date,Datetime,Pandas,我有一个写着生日的专栏。有些是不适用的,有些是2016年1月1日,但有些包含2016年1月1日01:01:01 过滤N.A.值可以正常工作。但处理不同的日期格式似乎很笨拙。是否有可能让pandas优雅地处理这些数据,例如,对于出生日期,只解释日期而不失败?pd.to\u datetime将处理多种格式 >>> ser = pd.Series(['NaT', '01.01.2016', '01.01.2016 01:01:01']) >>> pd.to_date
>>> ser = pd.Series(['NaT', '01.01.2016', '01.01.2016 01:01:01'])
>>> pd.to_datetime(ser)
0 NaT
1 2016-01-01 00:00:00
2 2016-01-01 01:01:01
dtype: datetime64[ns]
pd.to_datetime将处理多种格式
>>> ser = pd.Series(['NaT', '01.01.2016', '01.01.2016 01:01:01'])
>>> pd.to_datetime(ser)
0 NaT
1 2016-01-01 00:00:00
2 2016-01-01 01:01:01
dtype: datetime64[ns]
可能已经在这里回答了:可能已经在这里回答了:是的,你可能需要将你的N.A.s转换为'NaT'思维是的,但是你可能需要将你的N.A.s转换为'NaT'