Pandas - 日期时间格式更改为“%m/%d/%Y”

Question

你好，stackoverflow 社区，

我想更改列的日期时间格式，但我不起作用，而且我不知道我做错了什么。

执行以下代码后：

df6['beginn'] = pd.to_datetime(df6['beginn'], unit='s', errors='ignore')

我得到了这个输出，那很好，但我想抽出一个小时来只剩下%m/%d/%Y剩下的时间。

ID       DATE
91060    2017-11-10 00:00:00
91061    2022-05-01 00:00:00
91062    2022-04-01 00:00:00
Name: beginn, Length: 91063, dtype: object 

我已经尝试过这个和许多其他的

df6['beginn'] = df6['beginn'].dt.strftime('%m/%d/%Y')

并得到以下输出：

AttributeError: Can only use .dt accessor with datetimelike values.

pd.to_datetime但我不明白为什么，我是否转换了数据？

感谢您给我的任何提示！多谢！

Answer 1

您必须使用的原因errors="ignore"是因为并非您正在解析的所有日期都采用正确的格式。如果您errors="coerce"像 @phi 提到的那样使用，则任何无法转换的日期都将设置为NaT。列数据类型仍将转换为 datatime64，然后您可以根据需要进行格式化并根据NaT需要进行处理。

例子

一个数据框，其中一项Date未写为年/月/日（第 25 个月是错误的）：

>>> df = pd.DataFrame({'ID': [91060, 91061, 91062, 91063], 'Date': ['2017/11/10', '2022/05/01', '2022/04/01', '2055/25/25']})
>>> df
      ID        Date
0  91060  2017/11/10
1  91061  2022/05/01
2  91062  2022/04/01
3  91063  2055/25/25

>>> df.dtypes
ID       int64
Date    object
dtype: object

使用errors="ignore"：

>>> df['Date'] = pd.to_datetime(df['Date'], errors='ignore')
>>> df
      ID        Date
0  91060  2017/11/10
1  91061  2022/05/01
2  91062  2022/04/01
3  91063  2055/25/25

>>> df.dtypes
ID       int64
Date    object
dtype: object

ColumnDate仍然是一个对象，因为并非所有值都已转换。运行df['Date'] = df['Date'].dt.strftime("%m/%d/%Y")将导致AttributeError

使用errors="coerce"：

>>> df['Date'] = pd.to_datetime(df['Date'], errors='coerce')
>>> df
      ID       Date
0  91060 2017-11-10
1  91061 2022-05-01
2  91062 2022-04-01
3  91063        NaT

>>> df.dtypes
ID               int64
Date    datetime64[ns]
dtype: object

无效日期设置为 NaT，并且该列现在的类型为 datatime64，您现在可以对其进行格式化：

>>> df['Date'] = df['Date'].dt.strftime("%m/%d/%Y")
>>> df
      ID        Date
0  91060  11/10/2017
1  91061  05/01/2022
2  91062  04/01/2022
3  91063         NaN

注意：格式化 datatime64 时，它会转换回 object 类型，因此 NaT 会更改为 NaN。您遇到的问题是一些脏数据的格式不正确。