pd.to_datetime方法将字符串转为datetime型

 
pd.to_datetime(arg，errors=“raise”，dayfirst=False，yearfirst=False，utc=None，box=True，format=None，exact=True，unit=None，infer_datetime_format=False，origin=“unix”，cache=False)
arg ：指定转换的数据对象，可以是整型、浮点型、字符串、列表、元组、一维数组、Serise、DataFrame和字典
errors ：设置出错提示方式，可选{"ignore","raise","coercec"}，默认值为"raise"，如果转换失败，则给出出错提示信息；"ignore"则不出发出错提示信息；"coercec"在转换过程存在无效时间值时，自动转为NaT值
dayfirst ：指定arg参数转换时的顺序，设置为True时，则先转换日期，再转换时间，默认值为False
yearfirst ：值为True时则先转换日期，默认值为False
utc ：值为True返回UTC DatetimeIndex，默认值为None
box ：默认值为True返回DatetimeIndex或相关索引对象；值为False则返回多维数组
format ：字符串，默认值为None，指定字符串时间转化为时间时的strftime的格式，类似strftime方法转化为时间的使用方法
exact ：默认值为True表示精确匹配格式，值为False则允许匹配目标字符串中的任何位置
unit ：字符串，默认值为"ns"，对转换对象指定时间单位（D天、s秒、ma毫秒、ns纳秒）
infer_datetime_format ：默认值为False，如果为True，且没有给出转换固定格式（format参数），且字符串日期时间格式确定，则可以提高转换速度
origin ：确定日期的开始点，默认值为"unix"，则日期的开始点为1970-01-01，若提供值为Timestamp日期，则以Timestamp的起点日期作为开始点日期
cache ：跟单网gendan5.com默认值为False，如果为True，则是用唯一的转换日期缓存来应用日期时间转换，解析重复的日期字符串时可以提高转换速度
import pandas as pdfrom datetime import datetime
filename = r"D:\data_test.xlsx"
df = pd.read_excel(filename)
print(df.head())print("="*30)print(df.info())
name gender birthday start_work income tel email \
0 赵一 男 1989/8/10 2012-09-08 15000 13611011234 [email protected]
1 王二 男 1990/10/2 2014-03-06 12500 13500012234 [email protected]
2 张三 女 1987/3/12 2009-01-08 18500 13515273330 [email protected]
3 李四 女 1991/8/16 2014-06-04 13000 13923673388 [email protected]
4 刘五 女 1992/5/24 2014-08-10 8500 17823117890 [email protected]

               other  

0 {教育：本科，专业：电子商务，爱好：运动}
1 {教育：大专，专业：汽修，爱好：}
2 {教育：本科，专业：数学，爱好：打篮球}
3 {教育：硕士，专业：统计学，爱好：唱歌}

4 {教育：本科，专业：美术，爱好：}

RangeIndex: 8 entries, 0 to 7
Data columns (total 8 columns):
# Column Non-Null Count Dtype

---

0 name 8 non-null object
1 gender 8 non-null object
2 birthday 8 non-null object
3 start_work 8 non-null datetime64[ns]
4 income 8 non-null int64
5 tel 8 non-null int64
6 email 8 non-null object
7 other 8 non-null object
dtypes: datetime64ns, int64(2), object(5)
memory usage: 640.0+ bytes
None
df.birthday=pd.to_datetime(df.birthday,format="%Y-%m-%d")
df.info()
1
2

RangeIndex: 8 entries, 0 to 7
Data columns (total 8 columns):
# Column Non-Null Count Dtype

---

0 name 8 non-null object
1 gender 8 non-null object
2 birthday 8 non-null datetime64[ns]
3 start_work 8 non-null datetime64[ns]
4 income 8 non-null int64
5 tel 8 non-null int64
6 email 8 non-null object
7 other 8 non-null object
dtypes: datetime64ns, int64(2), object(4)
memory usage: 640.0+ bytes
data = pd.DataFrame({"客户":["李","张","刘","宋"],"工资":[3500,2500,1500,500],"日期":["2020-11-19","2020-11-20","2020-12-19","2020-12-20"]},index = ["A","B","C","D"])print(data.info)
A 李 3500 2020-11-19
B 张 2500 2020-11-20
C 刘 1500 2020-12-19
D 宋 500 2020-12-20>