如何更改 Pandas 中的日期时间格式

Question

我的数据框有一个 DOB 列（示例格式 1/1/2016），默认情况下会转换为 Pandas dtype 'object'：DOB object

使用df['DOB'] = pd.to_datetime(df['DOB']) 将此转换为日期格式，日期将转换为：2016-01-26，其dtype 为：DOB datetime64[ns]。

现在我想将此日期格式转换为01/26/2016 或任何其他通用日期格式。我该怎么做？

无论我尝试什么方法，它总是以2016-01-26 格式显示日期。

Answer 1

如果您需要将datetime转换为其他格式，您可以使用dt.strftime（但请注意，然后列的dtype将是object（string））：

import pandas as pd

df = pd.DataFrame({'DOB': {0: '26/1/2016', 1: '26/1/2016'}})
print (df)
         DOB
0  26/1/2016 
1  26/1/2016

df['DOB'] = pd.to_datetime(df.DOB)
print (df)
         DOB
0 2016-01-26
1 2016-01-26

df['DOB1'] = df['DOB'].dt.strftime('%m/%d/%Y')
print (df)
         DOB        DOB1
0 2016-01-26  01/26/2016
1 2016-01-26  01/26/2016

Answer 2

改变格式但不改变类型：

df['date'] = pd.to_datetime(df["date"].dt.strftime('%Y-%m'))

Answer 3

有区别

• 数据框单元格的内容（二进制值）和
• 它的演示文稿（显示它）为我们人类。

所以问题是：如何在不更改数据/数据类型本身的情况下达到我的数据的适当表示？

答案如下：

• 如果您使用Jupyter notebook 来显示您的数据框，或者
• 如果您想以 HTML 文件 的形式进行演示（即使为进一步 CSS 样式准备了许多多余的id 和class 属性-您可以使用也可以不使用它们），

使用 styling。 样式不会更改数据框列的数据/数据类型。

现在我将向您展示如何在 Jupyter 笔记本中访问它 - 对于 HTML 文件形式的演示文稿，请参阅问题末尾附近的注释。

我会假设您的专栏DOB 已经有datetime64 类型（您表明您知道如何访问它）。我准备了一个简单的数据框（只有一列）来向您展示一些基本样式：

• 没有样式：

  df
  

          DOB
0  2019-07-03
1  2019-08-03
2  2019-09-03
3  2019-10-03

• 将其样式化为mm/dd/yyyy:

  df.style.format({"DOB": lambda t: t.strftime("%m/%d/%Y")})
  

          DOB
0  07/03/2019
1  08/03/2019
2  09/03/2019
3  10/03/2019

• 将其样式化为dd-mm-yyyy:

  df.style.format({"DOB": lambda t: t.strftime("%d-%m-%Y")}) 
  

          DOB
0  03-07-2019
1  03-08-2019
2  03-09-2019
3  03-10-2019

---

小心！
返回的对象不是数据框——它是Styler 类的对象，所以不要将它分配回df：

不要这样做：

df = df.style.format({"DOB": lambda t: t.strftime("%m/%d/%Y")})    # Don't do this!

（每个数据框都有其 Styler 对象，可通过其.style 属性访问，我们更改了此df.style 对象，而不是数据框本身。）

---

问答：

• 问： 为什么将您的 Styler 对象（或返回它的表达式）用作 Jupyter 笔记本单元格中的最后一个命令 显示您的（样式化的）表格，而不是 Styler 对象本身？

• 答：因为每个 Styler 对象都有一个回调方法 ._repr_html_()，它会返回一个 HTML 代码来呈现您的数据框（作为一个漂亮的 HTML 表格）。

  Jupyter Notebook IDE自动调用这个方法来渲染拥有它的对象。

---

注意：

您不需要 Jupyter 笔记本来设置样式（即，在不更改数据/数据类型的情况下很好地输出数据帧）。

一个 Styler 对象也有一个方法 render()，如果你想获得一个带有 HTML 代码的字符串（例如，将你的格式化数据框发布到 Web，或者只是以 HTML 格式显示你的表格）：

df_styler = df.style.format({"DOB": lambda t: t.strftime("%m/%d/%Y")})
HTML_string = df_styler.render()

Answer 4

下面的代码对我有用，而不是之前的代码：

df['DOB']=pd.to_datetime(df['DOB'].astype(str), format='%m/%d/%Y')

Answer 5

相比the first answer，我会推荐先使用dt.strftime()，再使用pd.to_datetime()。这样，依然会产生datetime数据类型。

例如，

import pandas as pd

df = pd.DataFrame({'DOB': {0: '26/1/2016 ', 1: '26/1/2016 '})
print(df.dtypes)

df['DOB1'] = df['DOB'].dt.strftime('%m/%d/%Y')
print(df.dtypes)

df['DOB1'] = pd.to_datetime(df['DOB1'])
print(df.dtypes)

Answer 6

你可以试试这个。它将日期格式转换为 DD-MM-YYYY：

df['DOB'] = pd.to_datetime(df['DOB'], dayfirst = True)

Answer 7

以下代码更改为 'datetime' 类型，并以给定的格式字符串格式化。

df['DOB'] = pd.to_datetime(df['DOB'].dt.strftime('%m/%d/%Y'))

Answer 8

以下是对我有用的代码。我们需要非常小心格式。以下链接对于了解您的现有格式并更改为所需格式绝对有用（遵循 strftime() and strptime() Behavior 中的 strftime() 和 strptime() 格式代码）：

data['date_new_format'] = pd.to_datetime(data['date_to_be_changed'] , format='%b-%y')