使用to_datetime函数，指定与数据匹配的格式。

raw_data['Mycol'] =  pd.to_datetime(raw_data['Mycol'], format='%d%b%Y:%H:%M:%S.%f')

使用to_datetime函数，指定与数据匹配的格式。

raw_data['Mycol'] =  pd.to_datetime(raw_data['Mycol'], format='%d%b%Y:%H:%M:%S.%f')

你可以使用DataFrame方法.apply()来操作Mycol中的值:

>>> df = pd.DataFrame(['05SEP2014:00:00:00.000'],columns=['Mycol'])
>>> df
                    Mycol
0  05SEP2014:00:00:00.000
>>> import datetime as dt
>>> df['Mycol'] = df['Mycol'].apply(lambda x: 
                                    dt.datetime.strptime(x,'%d%b%Y:%H:%M:%S.%f'))
>>> df
       Mycol
0 2014-09-05

就像我们将对象数据类型转换为float或int。使用astype ()

raw_data['Mycol']=raw_data['Mycol'].astype('datetime64[ns]')

克里斯的答案是正确的:

raw_data['Mycol'] = pd。to_datetime (raw_data [' Mycol '],格式= ' Y % d % b %: % H: % M: % s % f ')

但是它会导致Python警告 一个值正试图从数据帧(DataFrame)中设置一个片的副本。 尝试使用.loc[row_indexer,col_indexer] = value代替

我猜这是由于一些链索引。

静音SettingWithCopyWarning

如果你得到这个警告，那么这意味着你的数据帧可能是通过过滤另一个数据帧创建的。在任何任务之前复制你的数据框架，你就可以开始了。

df = df.copy()
df['date'] = pd.to_datetime(df['date'], format='%d%b%Y:%H:%M:%S.%f')

Errors ='coerce'是有用的

如果某些行格式不正确，或者根本没有datetime, errors= parameter非常有用，这样您就可以转换有效的行，并在以后处理包含无效值的行。

df['date'] = pd.to_datetime(df['date'], format='%d%b%Y:%H:%M:%S.%f', errors='coerce')

# for multiple columns
df[['start', 'end']] = df[['start', 'end']].apply(pd.to_datetime, format='%d%b%Y:%H:%M:%S.%f', errors='coerce')

设置正确的格式=比让熊猫发现要快得多

长话短说，从chrisb的帖子中开始传递正确的格式=比让pandas找出格式要快得多，特别是如果格式包含时间组件。对于大于10k行的数据帧，运行时的差异是巨大的(大约快25倍，所以我们说的是几分钟vs几秒)。所有有效的格式选项都可以在https://strftime.org/上找到。

1用于生成timeit测试图的代码。

import perfplot
from random import choices
from datetime import datetime

mdYHMSf = range(1,13), range(1,29), range(2000,2024), range(24), *[range(60)]*2, range(1000)
perfplot.show(
    kernels=[lambda x: pd.to_datetime(x), 
             lambda x: pd.to_datetime(x, format='%m/%d/%Y %H:%M:%S.%f'), 
             lambda x: pd.to_datetime(x, infer_datetime_format=True),
             lambda s: s.apply(lambda x: datetime.strptime(x, '%m/%d/%Y %H:%M:%S.%f'))],
    labels=["pd.to_datetime(df['date'])", 
            "pd.to_datetime(df['date'], format='%m/%d/%Y %H:%M:%S.%f')", 
            "pd.to_datetime(df['date'], infer_datetime_format=True)", 
            "df['date'].apply(lambda x: datetime.strptime(x, '%m/%d/%Y %H:%M:%S.%f'))"],
    n_range=[2**k for k in range(20)],
    setup=lambda n: pd.Series([f"{m}/{d}/{Y} {H}:{M}:{S}.{f}" 
                               for m,d,Y,H,M,S,f in zip(*[choices(e, k=n) for e in mdYHMSf])]),
    equality_check=pd.Series.equals,
    xlabel='len(df)'
)