Jak przekonwertować ciągi w ramce danych Pandy na typ danych "date"?

Zasadniczo odpowiednik @ waitingkuo, ale użyłbym to_datetime tutaj (wydaje się trochę czystszy i oferuje dodatkowe funkcjonalności np. dayfirst):

In [11]: df
Out[11]:
   a        time
0  1  2013-01-01
1  2  2013-01-02
2  3  2013-01-03

In [12]: pd.to_datetime(df['time'])
Out[12]:
0   2013-01-01 00:00:00
1   2013-01-02 00:00:00
2   2013-01-03 00:00:00
Name: time, dtype: datetime64[ns]

In [13]: df['time'] = pd.to_datetime(df['time'])

In [14]: df
Out[14]:
   a                time
0  1 2013-01-01 00:00:00
1  2 2013-01-02 00:00:00
2  3 2013-01-03 00:00:00

Obsługa ValueError s
Jeśli napotkasz sytuację, w której robisz

df['time'] = pd.to_datetime(df['time'])

Rzuca a

ValueError: Unknown string format

Oznacza to, że masz nieprawidłowe (nieobowiązkowe) wartości. Jeśli nie masz nic przeciwko przekonwertowaniu ich na pd.NaT, możesz dodać argument errors='coerce' do to_datetime:

df['time'] = pd.to_datetime(df['time'], errors='coerce')

Wyobrażam sobie, że wiele danych trafia do pand z plików CSV, w takim przypadku można po prostu przekonwertować datę podczas początkowego odczytu CSV:

dfcsv = pd.read_csv('xyz.csv', parse_dates=[0]) gdzie 0 odnosi się do kolumny, w której znajduje się data.
Możesz również dodać , index_col=0, jeśli chcesz, aby Data była twoim indeksem.

Zobacz https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_csv.html

Teraz możesz zrobić df['column'].dt.date

Zauważ, że dla obiektów datetime, jeśli nie widzisz godziny, kiedy wszystkie są 00:00:00, to nie są pandy. To notatnik ipythona, który stara się, aby wszystko wyglądało ładnie.

Jeśli chcesz uzyskać format daty, a nie DATETIME:

df["id_date"] = pd.to_datetime(df["id_date"]).dt.date

Inny sposób, aby to zrobić i to działa dobrze, jeśli masz wiele kolumn do konwersji do datetime.

cols = ['date1','date2']
df[cols] = df[cols].apply(pd.to_datetime)

Może się zdarzyć, że daty będą musiały być zamienione na inną częstotliwość. W takim przypadku sugerowałbym ustawienie indeksu według dat.

#set an index by dates
df.set_index(['time'], drop=True, inplace=True)

Po tym można łatwiej przekonwertować na typ formatu daty, który będzie najbardziej potrzebny. Poniżej kolejno konwertuję do wielu formatów dat, ostatecznie kończąc na zestawie dziennych dat na początku miesiąca.

#Convert to daily dates
df.index = pd.DatetimeIndex(data=df.index)

#Convert to monthly dates
df.index = df.index.to_period(freq='M')

#Convert to strings
df.index = df.index.strftime('%Y-%m')

#Convert to daily dates
df.index = pd.DatetimeIndex(data=df.index)

Dla zwięzłości nie pokazuję, że po każdej linii uruchamiam następujący kod powyżej:

print(df.index)
print(df.index.dtype)
print(type(df.index))

To daje mi następujące wyjście:

Index(['2013-01-01', '2013-01-02', '2013-01-03'], dtype='object', name='time')
object
<class 'pandas.core.indexes.base.Index'>

DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03'], dtype='datetime64[ns]', name='time', freq=None)
datetime64[ns]
<class 'pandas.core.indexes.datetimes.DatetimeIndex'>

PeriodIndex(['2013-01', '2013-01', '2013-01'], dtype='period[M]', name='time', freq='M')
period[M]
<class 'pandas.core.indexes.period.PeriodIndex'>

Index(['2013-01', '2013-01', '2013-01'], dtype='object')
object
<class 'pandas.core.indexes.base.Index'>

DatetimeIndex(['2013-01-01', '2013-01-01', '2013-01-01'], dtype='datetime64[ns]', freq=None)
datetime64[ns]
<class 'pandas.core.indexes.datetimes.DatetimeIndex'>

Spróbuj przekonwertować jeden z wierszy na znacznik czasu za pomocą funkcji PD. to_datetime, a następnie użyj .mapa do mapowania formularza do całej kolumny

 #   Column          Non-Null Count   Dtype         
---  ------          --------------   -----         
 0   startDay        110526 non-null  object
 1   endDay          110526 non-null  object

import pandas as pd

df['startDay'] = pd.to_datetime(df.startDay)

df['endDay'] = pd.to_datetime(df.endDay)

 #   Column          Non-Null Count   Dtype         
---  ------          --------------   -----         
 0   startDay        110526 non-null  datetime64[ns]
 1   endDay          110526 non-null  datetime64[ns]

Dla kompletności, inną opcją, która może nie być najprostsza, nieco podobną do tej zaproponowanej przez @SSS, ale używającą raczej biblioteki datetime jest:

import datetime
df["Date"] = df["Date"].apply(lambda x: datetime.datetime.strptime(x, '%Y-%d-%m').date())