pd.to_datetime我吹爆！太强了

最近发现pd.to_datetime函数可以自动推断日期格式，而且不同格式的日期时间可以同批次处理。如下：

In [5]: df
Out[5]: 
                   0  1
0  2019-1-3 19:00:23  1
1  2019/1/2 19:00:22  2
2           2019-1-1  3
3             2019-2  4
4     2019-1-2 19:00  5
In [8]: df['e']=pd.to_datetime(df[0])

In [9]: df['e']
Out[9]: 
0   2019-01-03 19:00:23
1   2019-01-02 19:00:22
2   2019-01-01 00:00:00
3   2019-02-01 00:00:00
4   2019-01-02 19:00:00
Name: e, dtype: datetime64[ns]

后来发现在读取文件的时候即指定解析日期方法与读取之后再解析，两者时间相差一倍。如下所示：

读取时即解析日期

%timeit pd.read_csv(r'D:\桌面快捷方式\滴滴\出租车数据\taxi_shanghai\02\{}.csv'.format(hour),
				parse_dates=['数据接收时间','终端GPS时间'],
				date_parser=pd.to_datetime).drop(columns='Unnamed: 0').dropna()
# 17s

读取之后再解析

df = pd.read_csv(r'D:\桌面快捷方式\滴滴\出租车数据\taxi_shanghai\02\{}.csv'.format(hour),
					).drop(columns='Unnamed: 0').dropna()
	df['rectime'] = pd.to_datetime(df['数据接收时间'])
	df['gpstime'] = pd.to_datetime(df['终端GPS时间'])
# 8s

推测是因为，读取文件时解析日期是边读边解析，时间是O(n)，单独解析时可能采用某种空间换时间的方式把时间复杂度降低了。