Pandas技巧篇-高效日期处理

df['Order created time.'] = pd.to_datetime(df['Order created time.'], format='%d/%m/%Y %H:%M:%S', errors='coerce')df['Order created time.']=df['Order created time.'].dt.strftime("%Y年%m月%d日")

1.`pd.to_datetime`:

·这是pandas库中的一个函数，用于将各种日期时间表示形式转换为datetime64[ns] 类型。

2.`df['Order created time.']`:

· 这是DataFramedf中包含日期时间字符串的列。

3.`format='%d/%m/%Y %H:%M:%S'`:

·这里明确指定了日期时间的格式为“日/月/年 时:分:秒”。这有助于pandas准确解析日期时间字符串，避免出现警告。

4.`errors='coerce'`:

·这个参数的作用是，如果某些日期时间字符串无法按照指定的格式解析，那么这些无法解析的值将被转换为 NaT（Not a Time），即“非时间”值。这样可以防止整个转换过程因为个别错误而中断。

5.dt.strftime("%Y年%m月%d日")

补充说明

·为什么使用`format`参数:

·明确指定日期时间格式可以提高解析的准确性，尤其是当日期时间字符串的格式不常见或者容易混淆时（例如日/月/年vs月/日/年）。

·为什么使用`errors='coerce'`:

·在实际数据处理中，经常会遇到一些格式不一致或者错误的日期时间字符串。使用errors='coerce'可以确保这些异常值不会影响整体数据处理流程，同时也便于后续对这些异常值进行检查和处理。