將字符串列直接轉換為 Pandas DataFrame 中的日期格式（不是日期時間）

Question

我有以下 Pandas DataFrame：

df = pd.DataFrame({'a': ['2020-01-02', '2020-01-02']})

顯然，“a”列是字符串。 我想將其轉換為“日期”類型； 這就是我所做的：

df['a'] = df['a'].apply(pd.to_datetime).dt.date

它有效，但實際上我的 DataFrame 有 500,000 + 行。 似乎效率很低。 有什么方法可以直接更有效地將字符串列轉換為日期列？

Answer 1

pandas.DataFrame.apply本質上是一個原生的 python for loop。

pandas.to_datetime是向量化的 function，這意味着它旨在通過在 Z0D61F8370CAD1D412F70B84D143E12 中執行內循環來對序列/列表/數組/序列進行操作

如果我們從更大的 dataframe 開始：

import pandas
df = pandas.DataFrame({'a': ['2020-01-02', '2020-01-02'] * 5000})

然后做（在一個jupyter筆記本中）

%%timeit
df['a'].apply(pandas.to_datetime).dt.date

我們得到一個非常緩慢的結果：

1.03 s ± 48.9 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

但是，如果我們稍微重新排列以通過整個列：

%%timeit
pandas.to_datetime(df['a']).dt.date

我們得到一個更快的結果：

6.07 ms ± 232 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

Answer 2

使用df['a'] = pd.to_datetime(df['a'], format='%Y-%m-%d')

如果您知道它們都遵循相同的格式，請指定format 。