我有这个数据框,其中日期列是'datetime'类型
datetime64[ns]
2014-04-30T00:00:00 000000000
现在我想要这种格式的日期 - 2014-04-30。所以我使用下面的代码
df['StartingDate2'] = XY['StartingDate'].dt.strftime('%m/%d/%Y')
现在,这可以正常工作,但将我的日期转换为对象类型。我读到here在Python中,日期是对象。但是我想把我的最终数据框写成redshift中的表,所以我需要将我的日期列定义为我的python数据框的日期。任何关于如何做到这一点的建议都将不胜感激。
更新
示例数据框
p1 = {'name': ['johnny', 'tommy', 'bobby', 'rocky', 'jimmy'], 'StartingDate': ['2015-07-14T00:00:00.000000000', '2013-10-30T00:00:00.000000000', '2014-04-30T00:00:00.000000000', '2014-01-27T00:00:00.000000000', '2016-01-15T00:00:00.000000000'], 'Address': ['NY', 'NJ', 'PA', 'NY', 'CA'], 'comment1': ['Very good performance', 'N/A', 'Need to work hard', 'No Comment', 'Not satisfactory'], 'comment2': ['good', 'Meets Expectation', 'N', 'N/A', 'Incompetence']}
XY = pd.DataFrame(data = p1)
XY['today'] = datetime.datetime.now()
当我使用to_datetime()解决方案时 - 它不起作用
XY['today2'] = pd.to_datetime(XY['today'], format = '%m/%d/%Y')
XY['StartingDate2'] = pd.to_datetime(XY['today'], format = '%m/%d/%Y')
或者 - 当组合使用strftime()和to_datetime()时,这是有效的。
XY['StartingDate2'] = XY['StartingDate2'].dt.strftime('%m/%d/%Y')
XY['StartingDate2'] = pd.to_datetime(XY['StartingDate2'])
但是,虽然此解决方案适用于示例数据,但对我来说并不适用。我的数据看起来像这样 -
array(['2015-09-29T14:34:39.000000000', '2015-10-07T14:13:03.000000000',
'2015-10-07T19:17:50.000000000', ...,
'2017-12-05T14:06:42.000000000', '2017-12-06T16:36:44.000000000',
'2017-12-06T18:26:49.000000000'], dtype='datetime64[ns]'
答案 0 :(得分:1)
解决方案是使用to_datetime
s = pd.Series(['3/11/2000', '3/12/2000', '3/13/2000'])
s
0 3/11/2000
1 3/12/2000
2 3/13/2000
dtype: object
pd.to_datetime(s)
0 2000-03-11
1 2000-03-12
2 2000-03-13
dtype: datetime64[ns]
所以在你的情况下,你可以写
df['StartingDate2'] = pd.to_datetime(XY['StartingDate'], format='%m/%d/%Y')
实际上你可以在这里忽略format关键字。但如果你提供它,你将获得巨大的速度提升。
<强>基准强>
s = pd.Series(['3/11/2000', '3/12/2000', '3/13/2000']*1000)
没有格式
%%timeit
pd.to_datetime(s)
453 ms ± 3.05 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
格式
%%timeit
pd.to_datetime(s, format='%m/%d/%Y')
9.68 ms ± 44.3 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
请注意:如果可能,请始终提供格式字符串
回答更新的问题
您可以使用日期时间floor功能
df = pd.DataFrame(pd.to_datetime(['2015-09-29T14:34:39.000000000', '2015-10-07T14:13:03.000000000',
'2015-10-07T19:17:50.000000000',
'2017-12-05T14:06:42.000000000', '2017-12-06T16:36:44.000000000',
'2017-12-06T18:26:49.000000000']), columns=['A'])
df['B'] = df['A'].dt.floor('d')
df.dtypes
A datetime64[ns]
B datetime64[ns]
dtype: object
df
A B
0 2015-09-29 14:34:39 2015-09-29
1 2015-10-07 14:13:03 2015-10-07
2 2015-10-07 19:17:50 2015-10-07
3 2017-12-05 14:06:42 2017-12-05
4 2017-12-06 16:36:44 2017-12-06
5 2017-12-06 18:26:49 2017-12-06
答案 1 :(得分:0)
df['StartingDate2'] = pd.to_datetime(XY['StartingDate'])