如何将float/integer转换为带有strptime的日期？

Question

我有一个包含以下列的大熊猫数据帧：

col1 col2 
20040929 NaN 
NaN 20040925 

既既col1和col2上是float64（或Int64的）数字。 我想这些使用datetime.strptime（）转换，但我得到的错误

"cannot convert the series to type 'float'"

，如果我将其转换为浮动，我得到的东西像20040929.0这strptime不明白。

如何将这些列转换为日期呢？ 非常感谢

Answer 1

您可以使用astype，然后applyto_datetime使用df str与格式字符串转换：

In [190]: 
df.astype(str).apply(lambda x: pd.to_datetime(x, format='%Y%m%d')) 

Out[190]: 
     col1  col2 
0 2004-09-29  NaT 
1  NaT 2004-09-25 

编辑

使用strptime会慢一些，并不太友好，首先转换成str介绍.0由于dtype是浮动的，我们必须对此进行拆分，另外strptime不会忽略和Series，所以我们必须拨打applymap。在此NaN顶部会导致strptime到博克所以我们必须做到以下几点：如果我们比较在2K行DF 2种方法

In [203]: 
def func(x): 
    try: 
     return dt.datetime.strptime(x.split('.')[0], '%Y%m%d') 
    except: 
     return pd.NaT 
df.astype(str).applymap(func) 

Out[203]: 
     col1  col2 
0 2004-09-29  NaT 
1  NaT 2004-09-25 

时序

：

In [212]: 
%timeit df.astype(str).apply(lambda x: pd.to_datetime(x, format='%Y%m%d')) 
100 loops, best of 3: 8.11 ms per loop 

In [213]:  
%%timeit 
def func(x): 
    try: 
     return dt.datetime.strptime(x.split('.')[0], '%Y%m%d') 
    except: 
     return pd.NaT 
df.astype(str).applymap(func) 

10 loops, best of 3: 86.3 ms per loop 

我们观察到pandas方法速度提高了10倍以上，它可能会随着向量化而变好得多