本文介绍了在Pandas中如何将时间数据转换为datetime类型，包括使用astype和to_datetime方法，以及处理不同格式的时间字符串，并展示了如何设置时区和解析智能时间格式。此外，还提到了日期格式化符号的应用。
说明
Pandas 中文教程修订中，欢迎加微信 sinbam 提供建议、纠错、催更。查看更新日志
由于时间格式样式比较多，很多情况下 Padnas 并不能自动识别为时间类型，所以我们在处理前的数据清洗过程中，需要专门对数据进行时间类型转换。
astype 转换
astype 是最简单的时间转换方法，它只能针对相对标准的时间格式，如：
s = pd.Series(['2016-01-31', '2016-02-29', '2016-03-31'])
s.astype('datetime64[ns]')
'''
0 2016-01-31
1 2016-02-29
2 2016-03-31
dtype: datetime64[ns]
'''
如果需要指定时区：
s = pd.Series(['2016-01-31', '2016-02-29', '2016-03-31'])
s.astype('datetime64[ns, US/Eastern]')
'''
0 2016-01-31 00:00:00-05:00
1 2016-02-29 00:00:00-05:00
2 2016-03-31 00:00:00-04:00
dtype: datetime64[ns, US/Eastern]
'''
# 北京时间是 Asia/Shanghai
转为时间
最低0.47元/天 解锁文章
970
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
