在Pandas-Python中将许多变量更改为datetime

我有一个大约有一百万行的数据集，我想把12列转换成datetime。目前它们是“对象”类型。我之前读过，我可以通过以下方式实现：

data.iloc[:,7:19] = data.iloc[:,7:19].apply(pd.to_datetime, errors='coerce')

这确实有效，但性能非常差。其他人提到可以通过以下方式加快性能：

def lookup(s):
"""
This is an extremely fast approach to datetime parsing.
For large data, the same dates are often repeated. Rather than
re-parse these, we store all unique dates, parse them, and
use a lookup to convert all dates.
"""
dates = {date:pd.to_datetime(date) for date in s.unique()}
return s.apply(lambda v: dates[v])

---

但是，我不确定如何将此代码应用于我的数据（我是初学者）。有人知道如何使用此代码或任何其他方法加速将许多列更改为datetime吗？谢谢

如果所有日期的格式相同，则可以定义dateparse函数，然后在导入时将其作为参数传递。首先导入datetime，然后使用datetime.strf（#在此处定义格式）

一旦定义了该函数，您可以将parse dates选项设置为True，然后可以选择调用日期解析器。您可以将dateparser=yourfunction

---

我会查找pandas api，以获取大型数据帧的特定语法，在读取CSV、pd时使用parse_dates参数。read_CSV（parse_dates=True）工作得更好所有日期的格式都相同吗？是的，所有日期都相同。