将格式应用于 Pandas 日期时间列 - Python

在数据分析和处理中，我们经常需要处理日期时间数据。Pandas 提供了强大的日期时间功能，例如日期时间索引、时间序列分组、日期时间格式化等等。本文将介绍如何将格式应用于 Pandas 日期时间列。

1. 创建一个日期时间列

首先，我们需要创建一个日期时间列。可以使用 Pandas 的 date_range() 函数生成一个时间序列。

import pandas as pd

# 创建一个时间序列，范围为 2022-01-01 至 2022-02-01，间隔为 1 天
date_series = pd.date_range('2022-01-01', '2022-02-01', freq='D')

# 创建一个 DataFrame，将时间序列作为其中一列
df = pd.DataFrame({'date_column': date_series})

print(df.head())

输出：

  date_column
0  2022-01-01
1  2022-01-02
2  2022-01-03
3  2022-01-04
4  2022-01-05

现在，我们有了一个包含日期时间列的 DataFrame，接下来我们将看到如何将格式应用于该列。

2. 将格式应用于日期时间列

Pandas 使用 strftime 格式化字符串将日期时间数据格式化为所需的字符串格式。以下是一些常用的格式化字符串：

• %Y：四位数的年份（例如：2022）
• %m：两位数的月份（例如：01）
• %d：两位数的日期（例如：01）
• %H：24 小时制的小时数（例如：15）
• %M：分钟数（例如：30）
• %S：秒数（例如：00）
• %A：全名的星期几（例如：Monday）
• %a：缩写的星期几（例如：Mon）
• %B：全名的月份（例如：January）
• %b：缩写的月份（例如：Jan）

下面是如何将格式应用于日期时间列的示例：

# 将格式应用于日期时间列
df['formatted_date_column'] = df['date_column'].apply(lambda x: x.strftime('%Y-%m-%d %H:%M:%S'))

print(df.head())

输出：

  date_column formatted_date_column
0  2022-01-01   2022-01-01 00:00:00
1  2022-01-02   2022-01-02 00:00:00
2  2022-01-03   2022-01-03 00:00:00
3  2022-01-04   2022-01-04 00:00:00
4  2022-01-05   2022-01-05 00:00:00

在上面的示例中，我们使用 strftime() 方法将日期时间格式化为 %Y-%m-%d %H:%M:%S 的字符串格式，并将其应用于日期时间列。最终结果是将此格式应用于日期时间列的新 formatted_date_column 列。

3. 结论

在本文中，我们介绍了如何将格式应用于 Pandas 日期时间列。我们创建了一个包含日期时间列的 DataFrame，并使用 strftime 格式化字符串将日期时间数据格式化为所需的字符串格式。通过此操作，我们可以更适合数据分析和可视化的方式查看日期时间数据。