pandas的object对象转时间对象的方法

当我们使用pandas处理数据时，经常会遇到时间序列的数据。其中，一些值可能当前以对象类型(object)的形式存在，例如字符串类型，我们需要将其转换成对应的时间类型。下面，就来介绍pandas的object对象转换成时间对象的方法。

使用pandas将对象类型转换成时间类型，可以使用to_datetime()函数。该函数可以将一列/多列日期字符串转换成pandas中的datetime类型：

import pandas as pd

# 创建带有日期字符串的数据框
df = pd.DataFrame({'date': ['2018-01-01', '2019-01-01', '2020-01-01']})

# 查看原数据类型
print(df['date'].dtype)

# 将日期字符串转换成pandas中datetime类型
df['date'] = pd.to_datetime(df['date'])

# 查看转换后的数据类型
print(df['date'].dtype)

上述代码将结果输出如下：

object
datetime64[ns]

代码解释：

首先，我们以一个简单的数据框为例子，含有一个日期字符串列‘date’。初始时，该日期列的数据类型是单纯的对象类型。

然后，我们调用了to_datetime()函数将该列数据转换成pandas的时间类型。最后，使用print语句，分别打印转换前后的数据类型结果。

接下来，我们再看一个带有时间序列数字字符串的例子：

import pandas as pd

# 创建带有日期时间字符串的数据框
df = pd.DataFrame({'datetime': ['2018-01-01 12:00:00', '2019-01-01 16:30:00', '2020-01-01 20:15:00']})

# 查看原数据类型
print(df['datetime'].dtype)

# 将日期时间字符串转换成pandas中datetime类型
df['datetime'] = pd.to_datetime(df['datetime'])

# 查看转换后的数据类型
print(df['datetime'].dtype)

上述代码将结果输出如下：

object
datetime64[ns]

代码解释：

首先，我们以一个简单的数据框为例子，含有一个日期字符串列‘datetime’。初始时，该日期列的数据类型是单纯的对象类型。

然后，我们调用了to_datetime()函数将该列数据转换成pandas的时间类型。最后，使用print语句，分别打印转换前后的数据类型结果。

通过上面两个示例说明，我们可以看到to_datetime()函数是如何将pandas中对象类型转换成时间类型，并且可以按需处理多种时间序列数据类型。在使用to_datetime()函数时，也可以通过指定不同的参数来解析时间序列中不同的时间信息形式。

代码的使用过程中，需要注意to_datetime()函数中的格式参数是一个可选参数。如果不设置该参数，to_datetime()函数会自动解析日期和时间的格式字符串。

总的来说，to_datetime()函数是十分强大的，可以解析从字符串数据到时间数据的转换，并支持多种时间序列数据类型。