pandas 快速处理 date_time 日期格式方法
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() --------------------------------------------- datedate_block_numshop_iditem_iditem_priceitem_cnt_day 002.01.201305922154999.001.0 103.01.20130252552899.001.0 205.01.20130252552899.00-1.0 306.01.201302525541709.051.0 415.01.201302525551099.001.0
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毛票票。