如何解决熊猫df转换dtype-如何使其更快?
我有一个熊猫数据框,其中有3个列,里面有日期。它们看起来像这样,还不是日期时间对象:
In [32]:dfp[["Datum","Start","Ende"]]
Out[32]:
Datum Start Ende
0 4.2.2020 00:00:00 2.1.2018 08:00:00 14.12.2021 08:00:00
1 4.2.2020 00:00:00 2.1.2018 08:00:00 14.12.2021 08:00:00
2 4.2.2020 00:00:00 2.1.2018 08:00:00 14.12.2021 08:00:00
3 4.2.2020 00:00:00 2.1.2018 08:00:00 14.12.2021 08:00:00
4 4.2.2020 00:00:00 2.1.2018 08:00:00 14.12.2021 08:00:00
... ... ...
473474 4.8.2020 00:00:00 2.1.2014 08:00:00 29.12.2018 08:00:00
473475 4.8.2020 00:00:00 2.1.2014 08:00:00 29.12.2018 08:00:00
473476 4.8.2020 00:00:00 2.1.2014 08:00:00 29.12.2018 08:00:00
473477 4.8.2020 00:00:00 2.1.2014 08:00:00 29.12.2018 08:00:00
473478 4.8.2020 00:00:00 2.1.2014 08:00:00 29.12.2018 08:00:00
[473479 rows x 3 columns]
因此,我将使用以下代码将它们变成日期时间对象:
dfp["Datum"] = (dfp["Datum"].apply(lambda x: x.replace(" 00:00:00",""))
).apply(lambda x: datetime.strptime(x,'%d.%m.%Y'))
dfp["Start"] = (dfp["Start"].apply(lambda x: x.replace(" 08:00:00",'%d.%m.%Y'))
dfp["Ende"] = (dfp["Ende"].apply(lambda x: x.replace(" 08:00:00",'%d.%m.%Y'))
之后,熊猫便能够将这些值识别为日期时间对象。但是,这需要12秒钟才能运行,与我使用pandas编写的所有其他代码段相比,这似乎要花很长时间。这是我在这里编码的一种不好方法吗?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。