我有一个日期时间系列作为 Pandas 数据框中的一列 - df['timeStamp']。我想将此列中的每个日期时间对象转换为字符串。有几个 python 函数可以将单个日期时间对象转换为字符串,例如:
str(datetime)
datetime.format(datetime)
datetime.strftime('%m%d%Y')
但要获得我想要的结果,我必须遍历整个列并将每个对象单独转换为字符串。我试图避免的事情。我想知道是否有任何 Pandas/Python 函数可以一次性完成。与 to_datetime
函数相反的东西(一次性将 str 转换为 datetime 而无需循环)。
最佳答案
您在这里有一些选择。首先你可以做astype(str)
:
In [1]: s = pd.Series(pd.date_range('2015-01-01 09:00:00', periods=3))
In [2]: s
Out[2]:
0 2015-01-01 09:00:00
1 2015-01-02 09:00:00
2 2015-01-03 09:00:00
dtype: datetime64[ns]
In [3]: s.astype(str)
Out[3]:
0 2015-01-01T10:00:00.000000000+0100
1 2015-01-02T10:00:00.000000000+0100
2 2015-01-03T10:00:00.000000000+0100
dtype: object
但这将为您提供字符串格式的日期时间的标准 numpy 表示。
另一个可以控制格式的选项是在应用中使用 strftime
方法(这实际上等同于编写一个循环,但更短):
In [4]: s.apply(lambda x: x.strftime('%m%d%Y'))
Out[4]:
0 01012015
1 01022015
2 01032015
dtype: object
最后,在即将发布的 0.17.0 版本中(该功能目前处于开发版本中),您还可以:
In [5]: s.dt.strftime('%d/%m/%Y')
Out[5]:
0 01/01/2015
1 02/01/2015
2 03/01/2015
dtype: object
关于python - 在不循环的情况下将日期时间系列转换为 Pandas 中的字符串,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/32091363/