迹忆客 专注技术分享

Pandas Series 是一个一维数组，可以保存任何数据类型和标签。假设你有一个 Pandas 系列的 datetime 对象。我们可以使用 strftime() 函数和一些格式代码将 datatime 对象转换为其等效的字符串。但是要转换 pandas 系列的 datetime 对象，要遵循的方法有点不同。本文将讨论我们如何进行这样的转换。

将 Pandas 系列的 datetime 对象转换为它们的等效字符串

参考以下代码。它首先创建 pandas 系列 datetime 对象，然后将它们转换为 pandas 系列字符串对象。

import pandas as pd

dates = pd.to_datetime(
    pd.Series(["01/01/2021", "02/02/2021", "03/03/2021", "04/04/2021", "05/05/2021"]),
    format="%d/%m/%Y",
)
print("Before conversion")
print(dates)
print("After conversion")
dates = dates.dt.strftime("%Y-%m-%d")
print(dates)

输出：

Before conversion
0   2021-01-01
1   2021-02-02
2   2021-03-03
3   2021-04-04
4   2021-05-05
dtype: datetime64[ns]
After conversion
0    2021-01-01
1    2021-02-02
2    2021-03-03
3    2021-04-04
4    2021-05-05
dtype: object

注意输出的 dtype 值。前者表示该系列是 datetime 对象，后者表示该系列是 string 对象。

我们还可以使用 lambda 函数来转换对象的数据类型。相同的参考下面的代码。lambda 函数利用 strftime() 函数来执行转换。

import pandas as pd

dates = pd.to_datetime(
    pd.Series(["01/01/2021", "02/02/2021", "03/03/2021", "04/04/2021", "05/05/2021"]),
    format="%d/%m/%Y",
)
print("Before conversion")
print(dates)
print("After conversion")
dates = dates.apply(lambda x: x.strftime("%Y-%m-%d"))
print(dates)

输出：

Before conversion
0   2021-01-01
1   2021-02-02
2   2021-03-03
3   2021-04-04
4   2021-05-05
dtype: datetime64[ns]
After conversion
0    2021-01-01
1    2021-02-02
2    2021-03-03
3    2021-04-04
4    2021-05-05
dtype: object