幽灵资源网 Design By www.bzswh.com
当数据很多,且日期格式不标准时的时候,如果pandas.to_datetime 函数使用不当,会使得处理时间变得很长,提升速度的关键在于format的使用。下面举例进行说明:
示例数据:
date 格式:02.01.2013 即 日.月.年
数据量:3000000
transcation.head() --------------------------------------------- date date_block_num shop_id item_id item_price item_cnt_day 0 02.01.2013 0 59 22154 999.00 1.0 1 03.01.2013 0 25 2552 899.00 1.0 2 05.01.2013 0 25 2552 899.00 -1.0 3 06.01.2013 0 25 2554 1709.05 1.0 4 15.01.2013 0 25 2555 1099.00 1.0
处理方式一:
transactions['date_formatted']=pd.to_datetime(transactions['date'])
处理时间: 10min
处理方式二:
transactions['date_formatted']=pd.to_datetime(transactions['date'], format='%d.%m.%Y')
处理时间:10s
附录:format相关
代码
说明
%Y
4位数的年
%y
2位数的年
%m
2位数的月[01,12]
%d
2位数的日[01,31]
%H
时(24小时制)[00,23]
%l
时(12小时制)[01,12]
%M
2位数的分[00,59]
%S
秒[00,61]有闰秒的存在
%w
用整数表示的星期几[0(星期天),6]
%F
%Y-%m-%d简写形式例如,2017-06-27
%D
%m/%d/%y简写形式
以上这篇pandas 快速处理 date_time 日期格式方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
幽灵资源网 Design By www.bzswh.com
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
幽灵资源网 Design By www.bzswh.com
暂无评论...