Python 如何使用strtime将浮点/整数转换为日期？

我有一个包含以下列的数据框：

col1 col2
20040929 NaN
NaN 20040925 

也就是说，col1和col2都是浮点数64（或int64）。 我正试图使用datetime.strTime（）转换这些，但我得到了错误

“无法将序列转换为“float”类型”

如果我把它们转换成float，我会得到类似于20040929.0的东西，这是strtime不理解的

那么如何将这些列转换为日期？

---

非常感谢

您可以使用格式字符串将df转换为

str

：

In [190]:
df.astype(str).apply(lambda x: pd.to_datetime(x, format='%Y%m%d'))

Out[190]:
        col1       col2
0 2004-09-29        NaT
1        NaT 2004-09-25

编辑

使用

strtime

会更慢、更不友好，首先转换为

str

会引入

.0

，因为数据类型是浮动的，所以我们必须在这一点上进行拆分，另外

strtime

不理解

系列

，所以我们必须调用

applymap

。除此之外，

NaN

将导致

strtime

停止，因此我们必须执行以下操作：

In [203]:
def func(x):
    try:
        return dt.datetime.strptime(x.split('.')[0], '%Y%m%d')
    except:
        return pd.NaT
df.astype(str).applymap(func)

Out[203]:
        col1       col2
0 2004-09-29        NaT
1        NaT 2004-09-25

计时

如果我们在2K行df上比较这两种方法：

In [212]:
%timeit df.astype(str).apply(lambda x: pd.to_datetime(x, format='%Y%m%d'))
100 loops, best of 3: 8.11 ms per loop

In [213]:    
%%timeit 
def func(x):
    try:
        return dt.datetime.strptime(x.split('.')[0], '%Y%m%d')
    except:
        return pd.NaT
df.astype(str).applymap(func)

10 loops, best of 3: 86.3 ms per loop

---

我们观察到

pandas

方法的速度快了10倍多，很可能它的伸缩性更好，因为它是矢量化的

您需要使用

str（）

将

float

转换为

字符串

，然后再将其传递到

datetime.strtime（）

是的，我尝试过，但当我将它们转换为str时，它会将日期转换为“20040929.0”…是的，但速度会慢一些，因为您必须对每个元素进行操作，这里我们在每个列上使用

to_datetime

作为向量化方法，该列中的所有值在转换时都会转换，而不是一次转换一个元素。另外，当我们转换浮点时（它们是浮动的，因为存在

NaN

）您将

.0

引入需要转换为int的值，作为预处理/后处理步骤。

strtime

也不能将

NaN

作为float或str形式处理，因此当您将

应用于_datetime

字符串

NaN

转换为pandas

NaN时，只需进行一次澄清即可

right？@6thsense从技术上讲是

NaT

，它是datetime的一个特殊

NaN

值，用于指示无效值