Bagaimana cara mengonversi tanggal dalam bingkai data Pandas menjadi tipe data 'tanggal'?

Saya memiliki bingkai data Pandas, salah satu kolom berisi string tanggal dalam format YYYY-MM-DD

Misalnya '2013-10-28'

Saat ini dtypekolom tersebut adalah object.

Bagaimana cara mengonversi nilai kolom ke format tanggal Pandas?

Gunakan astype

In [31]: df
Out[31]: 
   a        time
0  1  2013-01-01
1  2  2013-01-02
2  3  2013-01-03

In [32]: df['time'] = df['time'].astype('datetime64[ns]')

In [33]: df
Out[33]: 
   a                time
0  1 2013-01-01 00:00:00
1  2 2013-01-02 00:00:00
2  3 2013-01-03 00:00:00

Pada dasarnya setara dengan @waitingkuo, tetapi saya akan menggunakan di to_datetimesini (sepertinya sedikit lebih bersih, dan menawarkan beberapa fungsi tambahan misalnya dayfirst):

In [11]: df
Out[11]:
   a        time
0  1  2013-01-01
1  2  2013-01-02
2  3  2013-01-03

In [12]: pd.to_datetime(df['time'])
Out[12]:
0   2013-01-01 00:00:00
1   2013-01-02 00:00:00
2   2013-01-03 00:00:00
Name: time, dtype: datetime64[ns]

In [13]: df['time'] = pd.to_datetime(df['time'])

In [14]: df
Out[14]:
   a                time
0  1 2013-01-01 00:00:00
1  2 2013-01-02 00:00:00
2  3 2013-01-03 00:00:00

Penanganan ValueErrors
Jika Anda mengalami situasi di mana melakukan

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

Melempar a

ValueError: Unknown string format

Itu berarti Anda memiliki nilai yang tidak valid (tidak dapat dipaksakan). Jika Anda setuju untuk mengubahnya menjadi pd.NaT, Anda dapat menambahkan errors='coerce'argumen ke to_datetime:

df['time'] = pd.to_datetime(df['time'], errors='coerce')

Saya membayangkan banyak data yang masuk ke Pandas dari file CSV, dalam hal ini Anda cukup mengonversi tanggal selama pembacaan CSV awal:

dfcsv = pd.read_csv('xyz.csv', parse_dates=[0])di mana 0 mengacu pada kolom tanggal masuk
Anda juga bisa menambahkan , index_col=0di sana jika Anda ingin tanggal menjadi indeks Anda.

Lihat https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_csv.html

Sekarang Anda bisa melakukannya df['column'].dt.date

Perhatikan bahwa untuk objek datetime, jika Anda tidak melihat jam saat semuanya 00:00:00, itu bukan panda. Itu notebook iPython mencoba membuat segalanya terlihat cantik.

Cara lain untuk melakukan ini dan ini berfungsi dengan baik jika Anda memiliki beberapa kolom untuk dikonversi ke datetime.

cols = ['date1','date2']
df[cols] = df[cols].apply(pd.to_datetime)

Jika Anda ingin mendapatkan format DATE dan bukan DATETIME:

df["id_date"] = pd.to_datetime(df["id_date"]).dt.date

Mungkin saja tanggal perlu diubah ke frekuensi yang berbeda. Dalam hal ini, saya menyarankan untuk menetapkan indeks berdasarkan tanggal.

#set an index by dates
df.set_index(['time'], drop=True, inplace=True)

Setelah ini, Anda dapat lebih mudah mengonversi ke jenis format tanggal yang paling Anda perlukan. Di bawah ini, saya secara berurutan mengonversi ke sejumlah format tanggal, yang akhirnya berakhir dengan serangkaian tanggal harian di awal bulan.

#Convert to daily dates
df.index = pd.DatetimeIndex(data=df.index)

#Convert to monthly dates
df.index = df.index.to_period(freq='M')

#Convert to strings
df.index = df.index.strftime('%Y-%m')

#Convert to daily dates
df.index = pd.DatetimeIndex(data=df.index)

Singkatnya, saya tidak menunjukkan bahwa saya menjalankan kode berikut setelah setiap baris di atas:

print(df.index)
print(df.index.dtype)
print(type(df.index))

Ini memberi saya output berikut:

Index(['2013-01-01', '2013-01-02', '2013-01-03'], dtype='object', name='time')
object
<class 'pandas.core.indexes.base.Index'>

DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03'], dtype='datetime64[ns]', name='time', freq=None)
datetime64[ns]
<class 'pandas.core.indexes.datetimes.DatetimeIndex'>

PeriodIndex(['2013-01', '2013-01', '2013-01'], dtype='period[M]', name='time', freq='M')
period[M]
<class 'pandas.core.indexes.period.PeriodIndex'>

Index(['2013-01', '2013-01', '2013-01'], dtype='object')
object
<class 'pandas.core.indexes.base.Index'>

DatetimeIndex(['2013-01-01', '2013-01-01', '2013-01-01'], dtype='datetime64[ns]', freq=None)
datetime64[ns]
<class 'pandas.core.indexes.datetimes.DatetimeIndex'>

Coba ubah salah satu baris menjadi stempel waktu menggunakan fungsi pd.to_datetime, lalu gunakan .map untuk memetakan formular ke seluruh kolom

 #   Column          Non-Null Count   Dtype         
---  ------          --------------   -----         
 0   startDay        110526 non-null  object
 1   endDay          110526 non-null  object

import pandas as pd

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

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

 #   Column          Non-Null Count   Dtype         
---  ------          --------------   -----         
 0   startDay        110526 non-null  datetime64[ns]
 1   endDay          110526 non-null  datetime64[ns]

Demi kelengkapan, opsi lain, yang mungkin bukan yang paling mudah, agak mirip dengan yang diusulkan oleh @SSS, tetapi menggunakan library datetime adalah:

import datetime
df["Date"] = df["Date"].apply(lambda x: datetime.datetime.strptime(x, '%Y-%d-%m').date())