Pandas中to_datetime()转换时间序列函数一文详解
前言
由于在Pandas中经常要处理到时间序列数据，需要把一些object或者是字符、整型等某列进行转换为pandas可识别的datetime时间类型数据，方便时间的运算等操作。基于前两篇文章的基础：
一文速学-Pandas中DataFrame转换为时间格式数据与处理
一文速学-Pandas处理时间序列数据操作详解
在这两篇文章中基本把pandas操作时间类型数据的一些常规操作都有提及和展示，作为重要相关函数to_datetime()，该函数参数值得单独拿出来讲一讲，可以省去很多转换之后的BUG错误。
目录
前言
一、基本语法与功能
二、参数说明和代码演示
1. arg
2.errors
3.dayfirst
4.yearfirst
5.utc
6.format
7.exact
8.unit
9.infer_datetime_format
10.origin
11.cache
三、返回类型
1.datetime
2.raises
ParserError
ValueError
点关注，防走丢，如有纰漏之处，请留言指教，非常感谢
一、基本语法与功能
基本语法：
pandas.to_datetime( arg,
errors='raise',
dayfirst=False,
yearfirst=False,
utc=None,
format=None,
exact=True,
unit=None,
infer_datetime_format=False,
origin='unix',
cache=True)基本功能：
该函数将一个标量，数组，Series或者是DataFrame/字典类型的数据转换为pandas中datetime类型的时间类型数据。
若是直接使用该函数不使用它的其他参数功能：
import pandas as pd
from datetime import datetime
import numpy as np
df_csv=pd.read_csv('file.csv')
df_csv['collect_date']=pd.to_datetime(df_csv['collect_date'])
可以把()内的DataFrame和Series、array等转换为datetime数据类型：
collect_date datetime64[ns]
二、参数说明和代码演示
| Parameters: | arg : integer, float, string, datetime, list, tuple, 1-d array, Series
errors : {‘ignore’, ‘raise’, ‘coerce’}, default ‘raise’
dayfirst : boolean, default False
yearfirst : boolean, default False
utc : boolean, default None
box : boolean, default True
format : string, default None
exact : boolean, True by default
unit : string, default ‘ns’
infer_datetime_format : boolean, default False
origin : scalar, default is ‘unix’
cache : boolean, default False
|
|---|---|
| Returns: | ret : datetime if parsing succeeded.
|
上述是官方文档：pandas.to_datetime
首先我们将逐个了解每个参数的功能和作用，之后再进行实例使用。
1. arg
接受类型：｛int, float, str, datetime, list, tuple, 1-d array, Series, DataFrame/dict-like（ 0.18.1版本一下不支持）｝
该参数指定了要转换为datetime的对象。如果提供的是Dataframe，则该类型至少需要以下列：“年”、“月”、“日”，才能转化为datetime。
也就是说你直接传入一个dataframe是不可能实现的，会报错：
ValueError: to assemble mappings requires at least that [year, month, day] be specified: [day,month,year] is missing
但是只要DataFrame里面带了列名为‘year’，‘month’，‘day’就可以合并：
df_time=pd.DataFrame({'year':[2022,2022,2022],
'month':[6,6,6],
'day':[13,14,15]})
df_time=pd.to_datetime(df_time)0 2022-06-13 1 2022-06-14 2 2022-06-15 dtype: datetime64[ns]
但是如果非可识别的时间索引，就会报错：
df_time=pd.DataFrame({'year':[2022,2022,2022],
'month':[6,6,6],
'day':[13,14,15],
'value':[1,2,3]})
df_time=pd.to_datetime(df_time)
df_timeValueError: extra keys have been passed to the datetime assemblage: [value]
所以一般传入一个series或者dataframe的一列转换最好。
2.errors
接受类型：{‘ignore’, ‘raise’, ‘coerce’}，默认：default ‘raise’
- 如果为“raise”，则无效解析将引发异常。
- 如果为“coerce”，则无效解析将设置为NaT。
- 如果“ignore”，则无效解析将返回输入的值。
我们将errors设置为coerce时：
df_time=pd.DataFrame({'time':['2022/6/13','2022/6/14','2022/6/15'],
'master':['桃花','哈士奇','派大星'],
'value':[13,14,15]})
df_time['master']=pd.to_datetime(df_time['master'],errors='coerce') 
将errors设置为‘ignore’时：
df_time=pd.DataFrame({'time':['2022/6/13','2022/6/14','2022/6/15'],
'master':['桃花','哈士奇','派大星'],
'value':[13,14,15]})
df_time['master']=pd.to_datetime(df_time['master'],errors='ignore')不会报错，不改动：
3.dayfirst
接受类型：｛bool},默认为False
如果arg是str或相似的列表类型，需要指定日期分析顺序。如果为True，则首先解析日期，例如，“2012年11月10日”被解析为2012年11月10日。
df_time=pd.DataFrame({'time':['13/6/2022','14/6/2022','15/6/2022'],
'master':['桃花','哈士奇','派大星'],
'value':[13,14,15]})
df_time['time']=pd.to_datetime(df_time['time'],dayfirst=True)
df_time 
如果我们传入的日期超过了31天，则将给予警告：
ParserError: day is out of range for month: 32/6/2022
4.yearfirst
接受类型：｛bool},默认为False
如果arg是str或相似的列表类型，需要指定日期分析顺序。
如果为True，则将日期解析为第一年，例如，“2012年11月10日”解析为2010年11月12日。
如果dayfirst和yearfirst都为True，则在yearfirst优先（与dateutil相同）。yearfirst=True不严格，但更倾向于使用yearfirst进行分析。
df_time=pd.DataFrame({'time':['13/6/22','14/6/22','15/6/22'],
'master':['桃花','哈士奇','派大星'],
'value':[13,14,15]})
df_time['time']=pd.to_datetime(df_time['time'],yearfirst=True) 
5.utc
接受类型：{bool},默认为None
该参数控制与时区相关的解析、本地化和转换。
utc为时间协调时，又称世界统一时间、世界标准时间、国际协调时间。由于英文（CUT）和法文（TUC）的缩写不同，作为妥协，简称UTC。协调世界时是以原子时秒长为基础，在时刻上尽量接近于世界时的一种时间计量系统。中国大陆采用ISO 8601-1988的《数据元和交换格式信息交换日期和时间表示法》（GB/T 7408-1994）称之为国际协调时间，代替原来的GB/T 7408-1994；中国台湾采用CNS 7648的《资料元及交换格式–资讯交换–日期及时间的表示法》，称之为世界统一时间。
- 如果为True，则函数始终返回时区感知的UTC本地化时间戳、序列或DatetimeIndex。为此，时区原始输入被本地化为UTC，而时区感知输入被转换为UTC。
- 如果为False（默认），输入将不会强制为UTC。时区原始输入将保持原始，而时区感知输入将保持其时间偏移。混合偏移（通常为夏令时）存在限制，有关详细信息，请参见示例部分。
df_time['time']=pd.to_datetime(df_time['time'],utc=True) 
df_time['time']=pd.to_datetime(df_time['time'],utc=False) 
关于更多可以了解 Time zone handling
6.format
接受类型：｛str｝默认default None
解析时间的strftime，例如%d/%m/%Y”。请注意，“%f”将一直解析到纳秒。有关选项的更多信息，请参阅strftime文档。strftime时间字符：
df_time=pd.DataFrame({'time':['2013/6/22','2014/6/22','2015/6/22'],
'master':['桃花','哈士奇','派大星'],
'value':[13,14,15]})
df_time['time']=pd.to_datetime(df_time['time'],format='%Y/%m/%d')
这里会把时间统一 换成yyyy-mm-dd的形式，等于说是限定死了time的格式，不对的格式将直接报错。
7.exact
接受类型：｛bool｝默认default None
控制格式的使用方式：
- 如果为True，则需要精确的格式匹配。
- 如果为False，则允许格式与目标字符串中的任何位置匹配。
df_time=pd.DataFrame({'time':['2013/6/22','2014/6/22','2015/6/22'],
'master':['桃花','哈士奇','派大星'],
'value':[13,14,15]})
df_time['time']=pd.to_datetime(df_time['time'],format='%Y/%d/%m',exact=False)
df_time 
如果为True则报错：
ValueError: unconverted data remains: 2
8.unit
接受类型：｛str｝默认 default ‘ns’
arg的单位（D、s、ms、us、ns）表示该单位，它是一个整数或浮点数。这将基于原点。例如，使用unit='ms'和origin='unix'（默认值），这将计算到unix epoch开始的毫秒数。
像我们传入的这些yyyy-mm-dd的类型是不行的，这个解析的是时间戳的形式：
df_time=pd.DataFrame({'time':['14524','14525','42512'],
'master':['桃花','哈士奇','派大星'],
'value':[13,14,15]})
df_time['time']=pd.to_datetime(df_time['time'],unit='ms') 
该计算开始日期为1970-01-01 00:00:00，可以通过origin来调整。
df_time=pd.DataFrame({'time':['14524','14525','42512'],
'master':['桃花','哈士奇','派大星'],
'value':[13,14,15]})
df_time['time']=pd.to_datetime(df_time['time'],unit='d')调整unit的参数可以让函数识别传入时间的值：
df_time=pd.DataFrame({'time':['14524','14525','42512'],
'master':['桃花','哈士奇','派大星'],
'value':[13,14,15]})
df_time['time']=pd.to_datetime(df_time['time'],unit='d') 
9.infer_datetime_format
接受类型：｛bool｝默认default False
如果为True且未给出格式，则尝试根据第一个非NaN元素推断datetime字符串的格式，如果可以推断，可切换到更快的解析方法。在某些情况下，这可以将解析速度提高约5-10倍。
如果给出的时间序列是固定的，则建议把这个参数调整为True可以加快检索速度。
10.origin
接受类型：｛scalar｝，默认 default ‘unix’
定义参考日期。数值将被解析为自该参考日期以来的单位数（由单位定义）。
- 如果“unix”（或POSIX）时间；原点设置为1970-01-01。
- 若为“julian”，单位必须为“D”，原点设置为Julian Calendar的开始。公元前4713年1月1日中午开始的一天被指定为第0天。
- 如果时间戳是可转换的，则原点设置为由原点标识的时间戳。
11.cache
接受类型：｛bool｝默认default True
如果为True，使用唯一的已转换日期缓存来应用日期时间转换。在分析重复的日期字符串时，尤其是带有时区偏移的日期字符串时，可能会产生显著的加速。仅当至少有50个值时才使用缓存。存在越界值将导致缓存不可用，并可能会减慢解析速度。
三、返回类型
1.datetime
如果分析成功。返回类型取决于输入（括号中的类型对应于时区分析失败或时间戳分析超出范围时的回退）
- 标量：时间戳（或datetime.datetime）
- 类似数组：DatetimeIndex（或对象数据类型包含datetime.datetime的系列）
- 系列：datetime64数据类型系列（或包含datetime.datetime的对象数据类型系列）
- DataFrame:datetime64数据类型系列（或包含datetime.datetime的对象数据类型系列）
2.raises
ParserError
从字符串分析日期时失败。
ValueError
当另一个日期时间转换错误发生时。例如，数据帧中缺少“年”、“月”、“日”列之一，或者时区感知日期时间。datetime位于类似混合时间偏移的数组中，utc=False。
- scalars可以是int、float、str、datetime对象（来自stdlib datetime模块或numpy）。如果可能，它们将转换为时间戳，否则将转换为日期时间。日期时间。None/NaN/null标量转换为NaT。
- array-like可以包含int、float、str、datetime对象。如果可能，它们将转换为DatetimeIndex，否则将转换为包含datetime的对象dtype索引。日期时间。在这两种情况下，None/NaN/null条目都转换为NaT。
- series将转换为datetime64数据类型的系列，否则将转换为包含datetime的对象数据类型的系列。日期时间。在这两种情况下，None/NaN/null条目都转换为NaT。
- DataFrame/dict-like：转换为datetime64数据类型的系列。对于每一行，通过组合各种数据框列创建一个日期时间。列键可以是常见的缩写，['year'，'month'，'day'，'minute'，'second'，'ms'，'us'，'ns'）或相同的复数形式。
点关注，防走丢，如有纰漏之处，请留言指教，非常感谢
以上就是本期全部内容。我是fanstuck ，有问题大家随时留言讨论 ，我们下期见