Question

我对pandas to_datetime函数和pandas中的日期时间有一些困难。具体来说，to_datetime在应用于pandas系列时无声地失败，没有做任何事情，我必须单独显式迭代每个值以使函数正常工作，即使（至少根据this SO question）两者都应该同样的工作。

In [81]: np.__version__
Out[81]: '1.6.1'

In [82]: pd.__version__
Out[82]: '0.12.0'

In [83]: a[0:10]
Out[83]: 
0    8/31/2013 14:57:00
1    8/31/2013 13:55:00
2    8/31/2013 15:45:00
3     9/1/2013 13:26:00
4     9/1/2013 13:56:00
5     9/2/2013 13:55:00
6     9/3/2013 13:33:00
7     9/3/2013 14:11:00
8     9/3/2013 14:35:00
9     9/4/2013 14:28:00
Name: date_time, dtype: object

In [84]: a[0]
Out[84]: '8/31/2013 14:57:00'

In [85]: a=pd.to_datetime(a)

In [86]: a[0]
Out[86]: '8/31/2013 14:57:00'

In [87]: a=[pd.to_datetime(date) for date in a]

In [88]: a[0]
Out[88]: Timestamp('2013-08-31 14:57:00', tz=None)

对此为何的任何想法？我似乎总体上遇到了这些数据并且没有正确解析date_time列的问题，我怀疑它可能与此失败有关。

谢谢，

戴夫

Answer 1

这已在新熊猫中修复，默认错误kwarg是'加注'而不是'忽略'。
新的行为是：

In [21]: pd.to_datetime(dates)  # same as errors='raise'
...
ValueError: Given date string not likely a datetime.

In [22]: pd.to_datetime(dates, errors="ignore")  # the original problem
Out[22]:
0    1/1/2014
1           A
dtype: object

也就是说，to_datetime不再无声地失败！

旧答案保留在下面......

正如DaveA指出的那样（在检查我的评论之后），默认情况下，如果出现问题，to_datetime会无声地失败并返回最初传递的内容：

In [1]: dates = pd.Series(['1/1/2014', 'A'])

In [2]: pd.to_datetime(dates)  # doesn't even convert first date
Out[2]: 
0    1/1/2014
1           A
dtype: object

In [3]: pd.to_datetime(dates, errors='raise')
...
ValueError: Given date string not likely a datetime.

注意：此参数在较旧的pandas版本中曾是coerce=True。

In [4]: pd.to_datetime(dates, errors='coerce')
Out[4]: 
0   2014-01-01
1          NaT
dtype: datetime64[ns]

此行为to_datetime is discussed in the timeseries section of the docs。

通过选中isnull：

，您可以查看无法解析的日期

In [5]: dates[pd.isnull(pd.to_datetime(dates, errors='coerce'))]
Out[5]: 
1    A
dtype: object

Answer 2

Pandas.to_datetime函数无提示失败，如果失败则只返回原始值。一个单一格式错误的输入可能导致整个过程无声地失败。

Pandas.to_datetime函数无提示失败

2 个答案: