如何將float/integer轉換爲帶有strptime的日期？

Question

我有一個包含以下列的大熊貓數據幀：

col1 col2 
20040929 NaN 
NaN 20040925 

既既col1和col2上是float64（或Int64的）數字。 我想這些使用datetime.strptime（）轉換，但我得到的錯誤

"cannot convert the series to type 'float'"

，如果我將其轉換爲浮動，我得到的東西像20040929.0這strptime不明白。

如何將這些列轉換爲日期呢？ 非常感謝

Answer 1

您可以使用astype，然後applyto_datetime使用df str與格式字符串轉換：

In [190]: 
df.astype(str).apply(lambda x: pd.to_datetime(x, format='%Y%m%d')) 

Out[190]: 
     col1  col2 
0 2004-09-29  NaT 
1  NaT 2004-09-25 

編輯

使用strptime會慢一些，並不太友好，首先轉換成str介紹.0由於dtype是浮動的，我們必須對此進行拆分，另外strptime不會忽略和Series，所以我們必須撥打applymap。在此NaN頂部會導致strptime到博克所以我們必須做到以下幾點：如果我們比較在2K行DF 2種方法

In [203]: 
def func(x): 
    try: 
     return dt.datetime.strptime(x.split('.')[0], '%Y%m%d') 
    except: 
     return pd.NaT 
df.astype(str).applymap(func) 

Out[203]: 
     col1  col2 
0 2004-09-29  NaT 
1  NaT 2004-09-25 

時序

：

In [212]: 
%timeit df.astype(str).apply(lambda x: pd.to_datetime(x, format='%Y%m%d')) 
100 loops, best of 3: 8.11 ms per loop 

In [213]:  
%%timeit 
def func(x): 
    try: 
     return dt.datetime.strptime(x.split('.')[0], '%Y%m%d') 
    except: 
     return pd.NaT 
df.astype(str).applymap(func) 

10 loops, best of 3: 86.3 ms per loop 

我們觀察到pandas方法速度提高了10倍以上，它可能會隨着向量化而變好得多