pandas 快速处理 date_time 日期格式方法
更新时间:2018年11月12日 11:29:23 作者:marcello_sloan
今天小编就为大家分享一篇pandas 快速处理 date_time 日期格式方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
当数据很多,且日期格式不标准时的时候,如果pandas.to_datetime 函数使用不当,会使得处理时间变得很长,提升速度的关键在于format的使用。下面举例进行说明:
示例数据:
date 格式:02.01.2013 即 日.月.年
数据量:3000000
transcation.head() --------------------------------------------- date date_block_num shop_id item_id item_price item_cnt_day 0 02.01.2013 0 59 22154 999.00 1.0 1 03.01.2013 0 25 2552 899.00 1.0 2 05.01.2013 0 25 2552 899.00 -1.0 3 06.01.2013 0 25 2554 1709.05 1.0 4 15.01.2013 0 25 2555 1099.00 1.0
处理方式一:
transactions['date_formatted']=pd.to_datetime(transactions['date'])
处理时间: 10min
处理方式二:
transactions['date_formatted']=pd.to_datetime(transactions['date'], format='%d.%m.%Y')
处理时间:10s
附录:format相关
代码 | 说明 |
---|---|
%Y | 4位数的年 |
%y | 2位数的年 |
%m | 2位数的月[01,12] |
%d | 2位数的日[01,31] |
%H | 时(24小时制)[00,23] |
%l | 时(12小时制)[01,12] |
%M | 2位数的分[00,59] |
%S | 秒[00,61]有闰秒的存在 |
%w | 用整数表示的星期几[0(星期天),6] |
%F | %Y-%m-%d简写形式例如,2017-06-27 |
%D | %m/%d/%y简写形式 |
以上这篇pandas 快速处理 date_time 日期格式方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。
相关文章
python3 googletrans超时报错问题及翻译工具优化方案 附源码
这篇文章主要介绍了python3 googletrans超时报错问题及翻译工具优化方案 附源码,本文给大家分享解决方法,通过实例代码相结合给大家介绍的非常详细,需要的朋友可以参考下2020-12-12
最新评论