Pandas日期时间格式化
当进行数据分析时，我们会遇到很多带有日期、时间格式的数据集，在处理这些数据集时，可能会遇到日期格式不统一的问题，此时就需要对日期时间做统一的格式化处理。比如“Wednesday, June 6, 2020”可以写成“6/6/20”，或者写成“06-06-2020。
日期格式化符号
在对时间进行格式化处理时，它们都有固定的表示格式，比如小时的格式化符号为%H ,分钟简写为%M ，秒简写为%S。下表对常用的日期格式化符号做了总结：
| 符号 | 说明 |
|---|---|
| %y | 两位数的年份表示（00-99） |
| %Y | 四位数的年份表示（000-9999） |
| %m | 月份（01-12） |
| %d | 月内中的一天（0-31） |
| %H | 24小时制小时数（0-23） |
| %I | 12小时制小时数（01-12） |
| %M | 分钟数（00=59） |
| %S | 秒（00-59） |
| %a | 本地英文缩写星期名称 |
| %A | 本地英文完整星期名称 |
| %b | 本地缩写英文的月份名称 |
| %B | 本地完整英文的月份名称 |
| %w | 星期（0-6），星期天为星期的开始 |
| %W | 一年中的星期数（00-53）星期一为星期的开始 |
| %x | 本地相应的日期表示 |
| %X | 本地相应的时间表示 |
| %Z | 当前时区的名称 |
| %U | 一年中的星期数（00-53）星期天为星期的开始 |
| %j | 年内的一天（001-366） |
| %c | 本地相应的日期表示和时间表示 |
Python处理
Python 内置的 strptime() 方法能够将字符串日期转换为 datetime 类型，下面看一组示例：
import pandas as pd
from datetime import datetime
empdata = pd.read_csv("C:\\Users\\qwy\\Desktop\\data\\empdata.csv")
date_str =empdata.loc[:,'HIREDATE']
for d in date_str:
print(f"转换前数据：{d},转换前的数据类型：{type(d)},转换后的数据类型：{type(datetime.strptime(d,'%Y-%m-%d'))}")
输出结果：
转换前数据：1980-12-17,转换前的数据类型：<class 'str'>,转换后的数据类型：<class 'datetime.datetime'>
转换前数据：1981-02-20,转换前的数据类型：<class 'str'>,转换后的数据类型：<class 'datetime.datetime'>
转换前数据：1981-02-22,转换前的数据类型：<class 'str'>,转换后的数据类型：<class 'datetime.datetime'>
转换前数据：1981-04-02,转换前的数据类型：<class 'str'>,转换后的数据类型：<class 'datetime.datetime'>
转换前数据：1981-09-28,转换前的数据类型：<class 'str'>,转换后的数据类型：<class 'datetime.datetime'>
转换前数据：1981-05-01,转换前的数据类型：<class 'str'>,转换后的数据类型：<class 'datetime.datetime'>
转换前数据：1981-06-09,转换前的数据类型：<class 'str'>,转换后的数据类型：<class 'datetime.datetime'>
转换前数据：1987-04-19,转换前的数据类型：<class 'str'>,转换后的数据类型：<class 'datetime.datetime'>
转换前数据：1981-11-17,转换前的数据类型：<class 'str'>,转换后的数据类型：<class 'datetime.datetime'>
转换前数据：1981-09-08,转换前的数据类型：<class 'str'>,转换后的数据类型：<class 'datetime.datetime'>
转换前数据：1987-05-23,转换前的数据类型：<class 'str'>,转换后的数据类型：<class 'datetime.datetime'>
转换前数据：1981-12-03,转换前的数据类型：<class 'str'>,转换后的数据类型：<class 'datetime.datetime'>
转换前数据：1981-12-03,转换前的数据类型：<class 'str'>,转换后的数据类型：<class 'datetime.datetime'>
转换前数据：1982-01-23,转换前的数据类型：<class 'str'>,转换后的数据类型：<class 'datetime.datetime'>
我们发现，从csv文件中读取的数据类型为str类型，通过datetime.strptime()转换后变为了datetime.datetime类型。也就是将字符串转换为了时间类型。
注意：strftime() 可以将 datetime 类型转换为字符串类型，恰好与 strptime() 相反。
import pandas as pd
from datetime import datetime
empdata = pd.read_csv("C:\\Users\\qwy\\Desktop\\data\\empdata.csv")
date_str =empdata.loc[:,'HIREDATE']
for d in date_str:
print(f"转换前格式：{d},转换后的格式：{datetime.strftime(datetime.strptime(d,'%Y-%m-%d'),'%Y.%m.%d %H:%M:%S')}")
运行结果：
转换前格式：1980-12-17,转换后的格式：1980.12.17 00:00:00
转换前格式：1981-02-20,转换后的格式：1981.02.20 00:00:00
转换前格式：1981-02-22,转换后的格式：1981.02.22 00:00:00
转换前格式：1981-04-02,转换后的格式：1981.04.02 00:00:00
转换前格式：1981-09-28,转换后的格式：1981.09.28 00:00:00
转换前格式：1981-05-01,转换后的格式：1981.05.01 00:00:00
转换前格式：1981-06-09,转换后的格式：1981.06.09 00:00:00
转换前格式：1987-04-19,转换后的格式：1987.04.19 00:00:00
转换前格式：1981-11-17,转换后的格式：1981.11.17 00:00:00
转换前格式：1981-09-08,转换后的格式：1981.09.08 00:00:00
转换前格式：1987-05-23,转换后的格式：1987.05.23 00:00:00
转换前格式：1981-12-03,转换后的格式：1981.12.03 00:00:00
转换前格式：1981-12-03,转换后的格式：1981.12.03 00:00:00
转换前格式：1982-01-23,转换后的格式：1982.01.23 00:00:00
Pandas处理
除了使用 Python 内置的 strptime() 方法外，你还可以使用 Pandas 模块的 pd.to_datetime() 和 pd.DatetimeIndex() 进行转换。
1) to_datetime()
通过 to_datetime() 直接转换为 datetime 类型
import pandas as pd
empdata = pd.read_csv("C:\\Users\\qwy\\Desktop\\data\\empdata.csv")
date_str =empdata.loc[:,'HIREDATE']
date_time = pd.to_datetime(date_str)
print(date_time)
输出结果：
0 1980-12-17
1 1981-02-20
2 1981-02-22
3 1981-04-02
4 1981-09-28
5 1981-05-01
6 1981-06-09
7 1987-04-19
8 1981-11-17
9 1981-09-08
10 1987-05-23
11 1981-12-03
12 1981-12-03
13 1982-01-23
Name: HIREDATE, dtype: datetime64[ns]
是不是比python中的strptime()更加好用呢？(_)
2) DatetimeIndex()
import pandas as pd
empdata = pd.read_csv("C:\\Users\\qwy\\Desktop\\data\\empdata.csv")
date_str =empdata.loc[:,'HIREDATE']
date_time = pd.DatetimeIndex(date_str)
print(date_time)
运行结果：
DatetimeIndex(['1980-12-17', '1981-02-20', '1981-02-22', '1981-04-02',
'1981-09-28', '1981-05-01', '1981-06-09', '1987-04-19',
'1981-11-17', '1981-09-08', '1987-05-23', '1981-12-03',
'1981-12-03', '1982-01-23'],
dtype='datetime64[ns]', name='HIREDATE', freq=None)
使用 Datetimeindex() 函数设置时间序，示例如下：
import pandas as pd
import numpy as np
empdata = pd.read_csv("C:\\Users\\qwy\\Desktop\\data\\empdata.csv")
date_str =empdata.loc[:,'HIREDATE']
date_time = pd.DatetimeIndex(date_str)
df = pd.Series(np.random.randn(14),index = date_time)
print(df)
输出结果：
1980-12-17 -0.118801
1981-02-20 0.049266
1981-02-22 -0.680420
1981-04-02 0.443656
1981-09-28 0.685218
1981-05-01 2.269103
1981-06-09 -0.704363
1987-04-19 -0.256806
1981-11-17 -0.855622
1981-09-08 -1.782622
1987-05-23 1.270465
1981-12-03 -1.282576
1981-12-03 0.710341
1982-01-23 0.545944
dtype: float64