如何在 Python 中使用 Pandas 将“dd.mm.yyyy”转换为“yyyy-mm-dd”？

Question

我正在将包含盘中股市数据的 CSV 文件读入 Pandas 数据框。

import pandas as pd

df = pd.read_csf('file.csv')
df.columns = ['Day', 'Time', 'Open', 'High', 'Low', 'Volume']
df.head()

    Day         Time    Open    High    Low     Close   Volume
0   23.11.2009  17:15   1104.00 1104.00 1104.00 1104.00 2
1   23.11.2009  17:20   1103.00 1103.00 1103.00 1103.00 11
2   23.11.2009  17:25   1103.75 1103.75 1103.75 1103.75 1
3   23.11.2009  17:30   1103.25 1103.25 1102.50 1102.50 3
4   23.11.2009  17:35   1103.25 1103.50 1103.00 1103.00 13

很遗憾，“日”列中的日期格式是欧洲日期格式：“dd.mm.yyyy”。例如“28.11.2016”。

如何轻松地将“Day”列转换为“yyyy-mm-dd”或“2016-11-28”之类的内容？

Answer 1

to_datetime 只适用于您的日期字符串：

In [3]:
pd.to_datetime(df['Day'])

Out[3]:
0   2009-11-23
1   2009-11-23
2   2009-11-23
3   2009-11-23
4   2009-11-23
Name: Day, dtype: datetime64[ns]

这会返回一个datetime64 列

请注意，如果您将parse_dates=['Day'] 传递给read_csv，那么它会在读取您的 csv 时进行转换：

In [6]:
df = pd.read_csv(io.StringIO(t), parse_dates=['Day'], index_col=0)
df

Out[6]:
         Day   Time     Open     High      Low    Close  Volume
0 2009-11-23  17:15  1104.00  1104.00  1104.00  1104.00       2
1 2009-11-23  17:20  1103.00  1103.00  1103.00  1103.00      11
2 2009-11-23  17:25  1103.75  1103.75  1103.75  1103.75       1
3 2009-11-23  17:30  1103.25  1103.25  1102.50  1102.50       3
4 2009-11-23  17:35  1103.25  1103.50  1103.00  1103.00      13

请注意，pandas 通常会返回数据的副本，某些方法具有 inplace 参数，但 to_datetime 没有，因此您需要自行分配以覆盖：

df['Day'] = pd.to_datetime(df['Day'])