當數據很多，且日期格式不標準時的時候，如果pandas.to_datetime 函數使用不當，會使得處理時間變得很長，提升速度的關鍵在于format的使用。下面舉例進行說明：
示例數據：
date 格式：02.01.2013 即 日.月.年
數據量：3000000
transcation.head()--------------------------------------------- date date_block_num shop_id item_id item_price item_cnt_day0 02.01.2013 0 59 22154 999.00 1.01 03.01.2013 0 25 2552 899.00 1.02 05.01.2013 0 25 2552 899.00 -1.03 06.01.2013 0 25 2554 1709.05 1.04 15.01.2013 0 25 2555 1099.00 1.0
處理方式一：
transactions['date_formatted']=pd.to_datetime(transactions['date'])
處理時間： 10min
處理方式二：
transactions['date_formatted']=pd.to_datetime(transactions['date'], format='%d.%m.%Y')
處理時間：10s
附錄：format相關
| 代碼 | 說明 |
|---|---|
| %Y | 4位數的年 |
| %y | 2位數的年 |
| %m | 2位數的月[01,12] |
| %d | 2位數的日[01，31] |
| %H | 時（24小時制）[00,23] |
| %l | 時（12小時制）[01,12] |
| %M | 2位數的分[00,59] |
| %S | 秒[00,61]有閏秒的存在 |
| %w | 用整數表示的星期幾[0（星期天），6] |
| %F | %Y-%m-%d簡寫形式例如，2017-06-27 |
| %D | %m/%d/%y簡寫形式 |
以上這篇pandas 快速處理 date_time 日期格式方法就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持VEVB武林網。
新聞熱點
疑難解答
