Python 将df.apply（）与datetime.strtime一起使用的语法

考虑下表“df”：

    date        sales  
0   2021-04-10  483  
1   2022-02-03  226  
2   2021-09-23  374  
3   2021-10-17  186  
4   2021-07-17   35

我想使用

apply（）

和

datetime.strtime（）

将当前为字符串的列日期转换为日期

我尝试了以下方法：

format_date = "%Y-%m-%d"
df["date_new"] = df.loc[:,"date"].apply(datetime.strptime,df.loc[:,"date"],format_date)

我有以下错误

级数的真值是模糊的。使用a.empty，a.bool（）， a、 item（）、a.any（）或a.all（）

我尝试使用不同的语法（使用

args

和

**kwds

的

apply（）

参数，但我总是得到一个错误） 例如：

apply（）只接受2个参数（给定3个）

有人能帮我解释一下语法吗？谢谢。

您可以这样做：

df['date\u new']=df['date'].map（lambda日期字符串：datetime.strtime（日期字符串，格式字符串））

由于您仅在上操作，并且需要来自单个列的数据，因此应使用

.map

而不是

.apply

，这将立即提供整行/整列数据

如果必须使用“应用”：

df['date\u new']=df.apply（lambda行：datetime.strtime（行['date']，格式字符串），axis=1）

这里的键是axis=1，因此您可以按行进行操作，您可以执行以下操作：

df['date\u new']=df['date'].map（lambda日期字符串：datetime.strtime（日期字符串，格式字符串））

由于您仅在上操作，并且需要来自单个列的数据，因此应使用

.map

而不是

.apply

，这将立即提供整行/整列数据

如果必须使用“应用”：

df['date\u new']=df.apply（lambda行：datetime.strtime（行['date']，格式字符串），axis=1）

---

这里的键是

axis=1

，因此您可以按行操作您应该使用

pd.to_datetime（）

：

---

您应该使用

pd.to\u datetime（）

：

---

---

如果您需要将字符串date转换为datetime，那么只需要df['date']=pd。要转换为datetime（df['date']），为什么要寻找简单的解决方案呢。。。非常感谢你！不过，您是否看到了将apply（）和datetime.strtime（）结合起来的方法？我仍然很想知道为什么它不起作用。@tusalue请看下面我关于您的问题的答案question@Tousalouest，为了使用strtime学习语法，您可以尝试df['date'].apply（lambda行：datetime.strtime（row，format_date））。虽然您也应该使用to_datetime，但不要认为这是重复的。OP特别询问“使用df.apply（）和datetime.strtime的语法”，而不是“如何转换为日期格式”。这也适用于建议使用pd.to_datetime的答案。如果您需要将字符串date转换为datetime，您只需要df['date']=pd。to_datetime（df['date']）为什么要在困难重重的情况下寻找简单的解决方案。。。非常感谢你！不过，您是否看到了将apply（）和datetime.strtime（）结合起来的方法？我仍然很想知道为什么它不起作用。@tusalue请看下面我关于您的问题的答案question@Tousalouest，为了使用strtime学习语法，您可以尝试df['date'].apply（lambda行：datetime.strtime（row，format_date））。虽然您也应该使用to_datetime，但不要认为这是重复的。OP特别询问“使用df.apply（）和datetime.strtime的语法”，而不是“如何转换为日期格式”。这也适用于建议使用pd.to_datetime的答案。不，你不应该。您应该使用

to_datetime

pandas方法。使用applymap不会更好，因为我在数据帧而不是序列中工作？@roganjosh同意，但是Tousalouest在评论中询问如何使用datetime.strpimeter实现函数

apply

和

applymap

作为python代码执行，因为您运行的是一个变量函数。其他内置的panda都是用C编写的，因此速度更快。您应该尽可能多地使用pandas内置（任何spark…scikit…numpy…等都是如此）来提高性能。：）@在应用程序中，applymap对数据帧中的每个元素进行操作，而apply沿着一个轴进行操作。您只希望使用1列中的信息，因此可以将其设置为一个系列（

df['data'].map

），应用于每一行（my

apply

示例），或假设数据帧的applymap（必须是

df['date'].applymap

）不，您不应该这样做。您应该使用

to_datetime

pandas方法。使用applymap不会更好，因为我在数据帧而不是序列中工作？@roganjosh同意，但是Tousalouest在评论中询问如何使用datetime.strpimeter实现函数

apply

和

applymap

作为python代码执行，因为您运行的是一个变量函数。其他内置的panda都是用C编写的，因此速度更快。您应该尽可能多地使用pandas内置（任何spark…scikit…numpy…等都是如此）来提高性能。：）@在应用程序中，applymap对数据帧中的每个元素进行操作，而apply沿着一个轴进行操作。您只想使用1列中的信息，因此可以将其设置为一个系列（

df['data'].map

），应用于每一行（my

apply

示例），或假设数据帧的applymap（必须是

df['date'].applymap

）

df['date'] = pd.to_datetime(df['date'], format='%Y-%m-%d')