> For the complete documentation index, see [llms.txt](https://bemind.gitbook.io/neural/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://bemind.gitbook.io/neural/uchebniki-po-pandas-i-numpy/pandas/pandas-to_datetime-preobrazovanie-stroki-pandas-v-datu-i-vremya.md). # Pandas to\_datetime: Преобразование строки Pandas в дату и время В этом уроке **вы узнаете, как использовать функцию Pandas to\_datetime для преобразования столбца Pandas в дату и время.** Pandas предоставляет огромное количество методов и функций, которые делают работу с датами невероятно универсальной. Однако данные не всегда читаются правильно. К концу этого учебного пособия вы узнаете: * Как использовать функцию Pandas to\_datetime для преобразования столбца в дату и время * Как указать коды формата для преобразования строк в разные форматы * Преобразование целых чисел секунд и дат в дату и время в Pandas Оглавление * [Понимание функции Pandas to\_datetime](#ponimanie-funkcii-pandas-to_datetime) * [Используйте Pandas to\_datetime для преобразования столбца в дату и время](#ispolzuite-pandas-to_datetime-dlya-preobrazovaniya-stolbca-v-datu-i-vremya) * [Укажите форматы даты и времени в Pandas to\_datetime](#ukazhite-formaty-daty-i-vremeni-v-pandas-to_datetime) * [Преобразование целых дней Unix в DateTime в Pandas](#preobrazovanie-celykh-dnei-unix-v-datetime-v-pandas) * [Преобразование целых секунд в DateTime в Pandas](#preobrazovanie-celykh-sekund-v-datetime-v-pandas) * [Преобразование нескольких столбцов Pandas в DateTime](#preobrazovanie-neskolkikh-stolbcov-pandas-v-datetime) * [Заключение](#zaklyuchenie) * [Дополнительные ресурсы](#dopolnitelnye-resursy) ### Понимание функции Pandas to\_datetime Давайте начнем с изучения функции Pandas `to_datetime()`, которая позволяет передать серию Pandas для преобразования ее в дату и время. Функция предоставляет множество универсальных параметров, которые позволяют настроить поведение. Давайте взглянем на эти параметры: ```python # Понимание функции Pandas to_datetime() pd.to_datetime( arg, # Столбец для преобразования errors='raise', # Как обрабатывать ошибки dayfirst=False, # Указывает, что дни идут первыми yearfirst=False, # Указывает, что годы идут первыми utc=None, # Указывает, как обрабатывать часовой пояс UTC format=None, # Формат strftime для разбора exact=True, # Указывает, нужно ли искать точное совпадение unit=None, # Единица измерения, если используется целочисленный временной штамп infer_datetime_format=False, # Указывает, нужно ли определять формат автоматически origin='unix', # Определяет эталонную дату cache=True # Указывает, использовать ли кэш для ускорения работы с одинаковыми датами ) ``` Как видно, функция имеет огромное количество доступных параметров. В этом учебном пособии мы сосредоточимся на основных параметрах, которые охватывают большинство случаев использования функции. ### Используйте Pandas to\_datetime для преобразования столбца в дату и время Давайте начнем с простого преобразования строкового столбца в дату и время. Мы можем загрузить Pandas DataFrame ниже и вывести его типы данных с помощью метода `info()`: ```python import pandas as pd df = pd.DataFrame(['2022-04-01', '2022-04-02', '2022-04-03', '2022-04-04', '2022-04-05'], columns=['Date']) print(df.info()) # Возвращает: # # RangeIndex: 5 записей, от 0 до 4 # Столбцы данных (всего 1 столбец): # # Столбец Количество ненулевых значений Тип данных # --- ------ ------------------------------ ---------- # 0 Date 5 ненулевых object # типы данных: object(1) # используемая память: 168.0+ байт # None ``` Хотя данные выглядят как даты, на самом деле они отформатированы как строки. Давайте посмотрим, как мы можем использовать функцию Pandas to\_datetime для преобразования строки в дату и время. ```python # Преобразование столбца в тип данных "Дата и время" в Pandas import pandas as pd df = pd.DataFrame(['2022-04-01', '2022-04-02', '2022-04-03', '2022-04-04', '2022-04-05'], columns=['Date']) df['Date'] = pd.to_datetime(df['Date']) print(df.info()) # Возвращает: # # RangeIndex: 5 записей, от 0 до 4 # Столбцы данных (всего 1 столбец): # # Столбец Количество ненулевых значений Тип данных # --- ------ ------------------------------ ---------- # 0 Date 5 ненулевых datetime64[ns] # типы данных: datetime64 # используемая память: 168.0 байт # None ``` Pandas смог распознать формат даты и корректно преобразовал строку в тип данных datetime. В следующем разделе вы узнаете, как задавать конкретные форматы. ### Укажите форматы даты и времени в Pandas to\_datetime Часто бывает, что вы получаете столбец с датами в формате, который Pandas не может сразу определить. В таких случаях вы можете использовать параметр `format=`, чтобы указать конкретную строку формата. Эти [строки следуют соглашениям strftime](https://datagy.io/python-strftime/), которые распространены во многих языках программирования. Загрузим DataFrame с необычной строкой форматирования: ```python # Загрузка странного формата даты import pandas as pd df = pd.DataFrame(['2022-04-*-01', '2022-04-*-02', '2022-04-*-03', '2022-04-*-04', '2022-04-*-05'], columns=['Date']) print(df) # Возвращает: # Date # 0 2022-04-*-01 # 1 2022-04-*-02 # 2 2022-04-*-03 # 3 2022-04-*-04 # 4 2022-04-*-05 ``` Давайте использовать параметр `format=`, чтобы указать пользовательский формат: ```python # Преобразование столбца в тип данных "Дата и время" в Pandas import pandas as pd df = pd.DataFrame(['2022-04-*-01', '2022-04-*-02', '2022-04-*-03', '2022-04-*-04', '2022-04-*-05'], columns=['Date']) df['Date'] = pd.to_datetime(df['Date'], format='%Y-%m-*-%d') print(df) # Возвращает: # Date # 0 2022-04-01 # 1 2022-04-02 # 2 2022-04-03 # 3 2022-04-04 # 4 2022-04-05 ``` Мы видим на примере выше, что задав пользовательскую строку формата, Pandas может правильно определить формат даты. ### Преобразование целых дней Unix в DateTime в Pandas Еще одно мощное преобразование, которое предоставляет Pandas, - это преобразование целых чисел в Unix-дни. Это можно сделать, передав серию целых чисел в объект времени. Для этого необходимо указать параметр `unit=`, чтобы указать дни, что означает, что целые числа представляют собой дни от заданного начала. По умолчанию Pandas будет использовать `'unix'` origin, который представляет собой 1 января 1970 года в 00:00:00 UTC. Посмотрим, как мы можем преобразовать столбец целых чисел в объект даты и времени: ```python # Преобразование целого числа в дату и время в Pandas import pandas as pd df = pd.DataFrame([12345, 23453, 12324, 34534, 12313], columns=['Дата']) df['Дата'] = pd.to_datetime(df['Дата'], unit='D') print(df) # Возвращает: # Дата # 0 2003-10-20 # 1 2034-03-19 # 2 2003-09-29 # 3 2064-07-20 # 4 2003-09-18 ``` Поскольку Pandas использует `'unix'` в качестве значения по умолчанию для `origin=`, нам не нужно было указывать это. ### Преобразование целых секунд в DateTime в Pandas В ситуациях, когда необходимо преобразовать значения целых чисел, представляющих секунды, это работает так же, как в приведенном выше примере, за исключением того, что необходимо указать `unit='s'` в качестве параметра: ```python # Преобразование столбца целых чисел в дату и время в Pandas import pandas as pd df = pd.DataFrame([12345, 23453, 12324, 34534, 12313], columns=['Дата']) df['Дата'] = pd.to_datetime(df['Дата'], unit='s') print(df) # Возвращает: # Дата # 0 1970-01-01 03:25:45 # 1 1970-01-01 06:30:53 # 2 1970-01-01 03:25:24 # 3 1970-01-01 09:35:34 # 4 1970-01-01 03:25:13 ``` В последнем разделе вы узнаете, как конвертировать несколько столбцов Pandas в datetime. ### Преобразование нескольких столбцов Pandas в DateTime Чтобы преобразовать несколько столбцов в datetime в Pandas, можно использовать сочетание функций Pandas apply и to\_datetime. Метод `.apply()` применяется к разделу нескольких столбцов, а функция `to_datetime()` внутри него. Давайте посмотрим, как мы можем сделать это с помощью Pandas: ```python # Преобразование нескольких столбцов в дату и время в Pandas import pandas as pd df = pd.DataFrame( [['2022-04-01', '2022-05-01'], ['2022-04-02', '2022-05-02'], ['2022-04-03', '2022-05-03'], ['2022-04-04', '2022-05-04'], ['2022-04-05', '2022-05-05']], columns=['Дата1', 'Дата2']) df[['Дата1', 'Дата2']] = df[['Дата1', 'Дата2']].apply(pd.to_datetime) print(df) # Возвращает: # Дата1 Дата2 # 0 2022-04-01 2022-05-01 # 1 2022-04-02 2022-05-02 # 2 2022-04-03 2022-05-03 # 3 2022-04-04 2022-05-04 # 4 2022-04-05 2022-05-05 ``` В приведенном выше примере функция `pd.to_datetime` была передана методу `.apply()`, чтобы преобразовать несколько столбцов в формат даты и времени. ### Заключение В этом уроке вы узнали, как использовать функцию Pandas to\_datetime для преобразования столбца в тип данных datetime. Вы узнали, как делать это с использованием строк и целых чисел. Вы также узнали, как преобразовать несколько столбцов в тип данных datetime с помощью метода `.apply()` ### Дополнительные ресурсы Чтобы узнать больше о связанных темах, ознакомьтесь с уроками ниже: * DateTime в Pandas и Python * Части даты и времени Pandas (месяц, год и т. д.) * Преобразование даты в строку в Python: объяснение strftime в Python * Pandas: добавление дней в столбец даты * [Официальная документация: Pandas to\_datetime](https://pandas.pydata.org/docs/reference/api/pandas.to_datetime.html)