Wie kann Pandas String-Datumsangaben effizient in DateTime-Objekte konvertieren und nach Datumsbereich filtern?

Konvertieren von Zeichenfolgenformaten in das Datetime-Format in Pandas

Pandas bietet eine praktische Möglichkeit, Zeichenfolgenwerte, die Datums- und Uhrzeitangaben darstellen, in Datetime-Objekte zu konvertieren. Die Funktion pd.to_datetime() kann eine Vielzahl von Eingabezeichenfolgenformaten verarbeiten und erkennt automatisch das richtige Format basierend auf dem Inhalt des Werts.

Betrachten Sie die folgende Spalte mit Zeichenfolgewerten, die Datumsangaben darstellen:

I_DATE
28-03-2012 2:15:00 PM
28-03-2012 2:17:28 PM
28-03-2012 2:50:50 PM

Um I_DATE in das Datetime-Format zu konvertieren, verwenden Sie einfach pd.to_datetime(df['I_DATE']). Da das Format unkompliziert ist, erkennt Pandas es automatisch.

In [51]:
pd.to_datetime(df['I_DATE'])

Out[51]:
0    2012-03-28 14:15:00
1    2012-03-28 14:17:28
2    2012-03-28 14:50:50
Name: I_DATE, dtype: datetime64[ns]

Sie können auch mit dem dt-Accessor auf bestimmte Komponenten des Datetime-Objekts zugreifen:

In [54]:
df['I_DATE'].dt.date

Out[54]:
0    2012-03-28
1    2012-03-28
2    2012-03-28
dtype: object

In [56]:    
df['I_DATE'].dt.time

Out[56]:
0    14:15:00
1    14:17:28
2    14:50:50
dtype: object

Daten filtern Basierend auf Datumsbereichen

Sobald Ihre Daten im Datum-Uhrzeit-Format vorliegen, können Sie ganz einfach nach Datumsbereichen filtern. Um beispielsweise den df DataFrame nach Zeilen zu filtern, in denen I_DATE in einen bestimmten Bereich fällt, können Sie Folgendes verwenden:

df[(df['I_DATE'] > '2015-02-04') & (df['I_DATE'] < '2015-02-10')]

Out[59]:
         date
35 2015-02-05
36 2015-02-06
37 2015-02-07
38 2015-02-08
39 2015-02-09

Das obige ist der detaillierte Inhalt vonWie kann Pandas String-Datumsangaben effizient in DateTime-Objekte konvertieren und nach Datumsbereich filtern?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!