Как преобразовать даты во фрейме данных Pandas в тип данных «дата»?

У меня есть фрейм данных Pandas, один из столбцов содержит строки даты в формате YYYY-MM-DD

Например, '2013-10-28'

На данный момент dtypeстолбец есть object.

Как преобразовать значения столбцов в формат даты Pandas?

Используйте astype

In [31]: df
Out[31]: 
   a        time
0  1  2013-01-01
1  2  2013-01-02
2  3  2013-01-03

In [32]: df['time'] = df['time'].astype('datetime64[ns]')

In [33]: df
Out[33]: 
   a                time
0  1 2013-01-01 00:00:00
1  2 2013-01-02 00:00:00
2  3 2013-01-03 00:00:00

По сути эквивалент @waitingkuo, но я бы использовал to_datetimeздесь (он кажется немного чище и предлагает некоторые дополнительные функции, например dayfirst):

In [11]: df
Out[11]:
   a        time
0  1  2013-01-01
1  2  2013-01-02
2  3  2013-01-03

In [12]: pd.to_datetime(df['time'])
Out[12]:
0   2013-01-01 00:00:00
1   2013-01-02 00:00:00
2   2013-01-03 00:00:00
Name: time, dtype: datetime64[ns]

In [13]: df['time'] = pd.to_datetime(df['time'])

In [14]: df
Out[14]:
   a                time
0  1 2013-01-01 00:00:00
1  2 2013-01-02 00:00:00
2  3 2013-01-03 00:00:00

Обработка ValueErrors
Если вы столкнетесь с ситуацией, когда

df['time'] = pd.to_datetime(df['time'])

Бросает

ValueError: Unknown string format

Это означает, что у вас есть недопустимые (непринудительные) значения. Если вы согласны с их преобразованием в pd.NaT, вы можете добавить errors='coerce'аргумент в to_datetime:

df['time'] = pd.to_datetime(df['time'], errors='coerce')

Я предполагаю, что много данных поступает в Pandas из файлов CSV, и в этом случае вы можете просто преобразовать дату во время первоначального чтения CSV:

dfcsv = pd.read_csv('xyz.csv', parse_dates=[0])где 0 относится к столбцу, в котором находится дата.
Вы также можете добавить , index_col=0туда, если хотите, чтобы дата была вашим индексом.

См. Https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_csv.html

Теперь ты можешь сделать df['column'].dt.date

Обратите внимание, что для объектов datetime, если вы не видите час, когда они все 00:00:00, это не панды. Ноутбук iPython пытается сделать вещи красивыми.

Другой способ сделать это, и он хорошо работает, если у вас есть несколько столбцов для преобразования в datetime.

cols = ['date1','date2']
df[cols] = df[cols].apply(pd.to_datetime)

Если вы хотите получить формат DATE, а не DATETIME:

df["id_date"] = pd.to_datetime(df["id_date"]).dt.date

Может случиться так, что даты необходимо преобразовать с другой частотой. В этом случае я бы предложил установить индекс по датам.

#set an index by dates
df.set_index(['time'], drop=True, inplace=True)

После этого вы сможете более легко преобразовать дату в формат даты, который вам больше всего понадобится. Ниже я последовательно конвертирую в несколько форматов даты, в конечном итоге получая набор ежедневных дат в начале месяца.

#Convert to daily dates
df.index = pd.DatetimeIndex(data=df.index)

#Convert to monthly dates
df.index = df.index.to_period(freq='M')

#Convert to strings
df.index = df.index.strftime('%Y-%m')

#Convert to daily dates
df.index = pd.DatetimeIndex(data=df.index)

Для краткости я не показываю, что запускаю следующий код после каждой строки выше:

print(df.index)
print(df.index.dtype)
print(type(df.index))

Это дает мне следующий результат:

Index(['2013-01-01', '2013-01-02', '2013-01-03'], dtype='object', name='time')
object
<class 'pandas.core.indexes.base.Index'>

DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03'], dtype='datetime64[ns]', name='time', freq=None)
datetime64[ns]
<class 'pandas.core.indexes.datetimes.DatetimeIndex'>

PeriodIndex(['2013-01', '2013-01', '2013-01'], dtype='period[M]', name='time', freq='M')
period[M]
<class 'pandas.core.indexes.period.PeriodIndex'>

Index(['2013-01', '2013-01', '2013-01'], dtype='object')
object
<class 'pandas.core.indexes.base.Index'>

DatetimeIndex(['2013-01-01', '2013-01-01', '2013-01-01'], dtype='datetime64[ns]', freq=None)
datetime64[ns]
<class 'pandas.core.indexes.datetimes.DatetimeIndex'>

Попробуйте преобразовать одну из строк в метку времени с помощью функции pd.to_datetime, а затем используйте .map для сопоставления формуляра со всем столбцом

 #   Column          Non-Null Count   Dtype         
---  ------          --------------   -----         
 0   startDay        110526 non-null  object
 1   endDay          110526 non-null  object

import pandas as pd

df['startDay'] = pd.to_datetime(df.startDay)

df['endDay'] = pd.to_datetime(df.endDay)

 #   Column          Non-Null Count   Dtype         
---  ------          --------------   -----         
 0   startDay        110526 non-null  datetime64[ns]
 1   endDay          110526 non-null  datetime64[ns]

Для полноты картины, другой вариант, который может быть не самым простым, немного похожий на тот, который предлагает @SSS, но с использованием библиотеки datetime:

import datetime
df["Date"] = df["Date"].apply(lambda x: datetime.datetime.strptime(x, '%Y-%d-%m').date())