如何组合 Pandas 中的日期和时间列？

使用 Pandas 组合日期和时间列

处理时态数据时，通常需要组合日期和时间列以获得单个日期和时间列时间戳值。 Pandas 提供了各种选项来实现此目的，包括 pd.to_datetime() 函数。

连接字符串和使用 pd.to_datetime()

在某些情况下，您的日期时间列存储为字符串。要组合它们，您只需用空格将它们连接起来，如下所示：

df['Date'] + ' ' + df['Time']

连接字符串后，您可以使用 pd.to_datetime() 将它们转换为 DatetimeIndex 对象：

pd.to_datetime(df['Date'] + ' ' + df['Time'])

这种方法允许您利用连接字符串的推断格式，该格式通常是日期和时间格式的组合各个列。

使用 format= 参数

但是，如果您的日期和时间字符串不是标准化格式，或者如果您想显式指定格式，您可以使用 format= 参数，如下所示：

pd.to_datetime(df['Date'] + df['Time'], format='%m-%d-%Y%H:%M:%S')

在这里，您指定连接字符串的确切格式，确保准确转换。

直接解析日期

作为连接字符串的替代方案，您还可以使用 pd.read_csv() 和 parse_dates 直接解析日期和时间信息范围。此参数允许您指定要解析为日期时间对象的列的列表。

例如，如果您的数据存储在名为“data.csv”的 CSV 文件中：

import pandas as pd

df = pd.read_csv("data.csv", parse_dates=[['Date', 'Time']])

在这种情况下，Pandas 会自动将指定列解析为 DatetimeIndex。

性能注意事项

处理大型数据集时，性能变得至关重要。连接字符串然后将其转换为日期时间比直接解析日期和时间信息花费的时间要长得多。使用 %timeit 魔法命令的计时结果如下所示：

# Sample dataframe with 10 million rows
df = pd.concat([df for _ in range(1000000)]).reset_index(drop=True)

# Time to combine strings and convert to datetime
%timeit pd.to_datetime(df['Date'] + ' ' + df['Time'])

# Time to parse dates directly
%timeit pd.to_datetime(df['Date'] + df['Time'], format='%m-%d-%Y%H:%M:%S')

结果表明直接解析速度明显更快，尤其是对于大型数据集。

以上是如何组合 Pandas 中的日期和时间列？的详细内容。更多信息请关注PHP中文网其他相关文章！