(编辑：jimmy 日期: 2025/10/21 浏览：2)
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。