Pandas Datetime à String

Pandas est facile à utiliser, simple, flexible, puissant, rapide et à la bibliothèque Python open source utilisée pour analyser et manipuler des données. Il est vraiment très utile pour traiter les ensembles de données pour le nettoyage, l'analyse, la manipulation, la publicité d'exploration des données. La bibliothèque Python de Pandas permet au programmeur d'analyser une grande quantité de données et d'interpréter ou de tirer une conclusion statistique. Il peut rapidement nettoyer un énorme ensemble de données pour le rendre facile à comprendre, lire et analyser. Il peut vous aider à établir une relation ou à trouver une corrélation entre les données, ou vous pouvez effectuer n'importe quelle opération mathématique comme la somme, la moyenne, le max, le min, etc., sur les données.

Pandas vous permet également de supprimer des données indésirables ou non pertinentes, nulles ou vides, et de mauvaises données de l'ensemble de données appelées données de données. Il peut être installé directement à l'aide de la commande PIP Installer Pandas. Cependant, certains distributeurs Python comme Spyder et Anaconda ont préinstallé la bibliothèque Pandas. Par conséquent, si vous écrivez votre code dans ces distributeurs, vous devez juste importer la bibliothèque de Pandas dans votre programme, et vous êtes prêt à partir.

Une fois que vous avez importé la bibliothèque des Pandas, vous êtes prêt à utiliser ses modules et fonctions dans votre programme. Ce tutoriel est conçu pour expliquer comment convertir la DateTime en chaîne à l'aide de la bibliothèque de Panda en Python. Ici, nous fournirons des exemples simples et faciles à comprendre pour vous faire apprendre à convertir Datetime en chaîne à l'aide de la bibliothèque de Pandas à Python. Alors commençons.

Dans Python, le format par défaut de DateTime est Yyyy - mm - DD, qui est représenté comme (% y-% m -% d). Différents modules de pandas intégrés sont disponibles, qui peuvent convertir une datetime en une chaîne. pandas.Seris.dt.Strftime () est la méthode la plus courante utilisée pour convertir la DateTime en chaîne. Dans cet article, nous expliquerons comment utiliser la fonction strftime () pour convertir la DateTime en une chaîne ainsi que deux autres fonctions sur_datetime () et dataFrame.style.Format () Fonctions pour convertir la DateTime en une chaîne à l'aide d'exemples. Vous trouverez ci-dessous les étapes que vous devez suivre pour convertir la DateTime en une chaîne:

Étape 1: Collectez les données des dates de conversion

La première étape consiste à collecter les données des dates que vous souhaitez convertir en chaîne. Obtenez l'ensemble de données du DateTime que vous souhaitez convertir en chaîne, par exemple, et vous pouvez avoir l'ensemble de données suivant avec quatre dates différentes; 2022/01/05, 2022/01/09, 2021/05/09, 2020/08/07, heure; 00:12:32, 13:45:53, 21:22:23, 11:00:26, cours; Mathématiques, statistiques, ordinateur, chimie. L'ensemble de données représente le calendrier des quatre cours offerts avec leurs dates et temps suivants.

Étape 2: Créez le cadre de données des données collectées

Maintenant que vous avez collecté les données de conversion, créez le cadre de données pour commencer le processus de conversion. Le DataFrame sera composé des lignes qui contiennent le jeu de données par rapport à chaque entrée et colonnes contenant les données fournies, qui sont des dates 2022/01/05, 2022/01/09, 2021/05/09, 2020/08/07, 2021/05/09, 2020/08/07, Temps 00:12:32, 13:45:53, 21:22:23, 11:00:26, et noms de cours mathématiques, statistiques, ordinateur, chimie. Voir le code ci-dessous pour créer le cadre de données de vos données horaires.

Importer des pandas en tant que PD
Horaire = (
'Cours': ["Maths", "Stats", "Computer", "Chemistry"],
'Time': ["00:12:32", "13:45:53", "21:22:23", "11:00:26"],
'Date': ["2022/01/05", "2022/01/09", "2021/05/09", "2020/08/07"]
)
df = pd.DataFrame (horaire)
Imprimer (DF)

Comme vous pouvez le voir, la commande d'importation Pandas en tant que PD est utilisée pour importer la bibliothèque de Pandas dans le programme. Et PD.DataFrame () est utilisé pour créer le DataFrame de l'ensemble de données donné. Lorsque vous exécutez le code donné ci-dessus, vous obtiendrez la sortie suivante:

Étape 3: Convertir la DateTime en chaîne

Maintenant, le moment est de convertir la DateTime en une chaîne. Dans le premier cas, nous utilisons des pandas.fonction à_datetime (). Voir le code ci-dessous:

Exemple 1:

Cet exemple concerne le PD.fonction à_datetime ().

df ['dateTypeCol'] = pd.to_datetime (df.Date)

Lorsque vous exécutez cette commande, vous obtiendrez la sortie suivante:

Exemple 2:

Dans l'exemple suivant, nous utilisons des pandas.Série.dt.Fonction strftime () pour convertir DateTime en chaîne. Voici l'exemple de code:

df ['converted_dates'] = df ['dateTypecol'].dt.strftime ('% m /% d /% y')

Voici la sortie du code ci-dessus:

Si vous observez, vous pouvez voir que le format ou l'ordre des données est également modifié, ce qui signifie que vous pouvez également placer la date de votre propre format.

Exemple 3:

Dans le troisième exemple, nous allons utiliser Lambda et DataFrame.style.Format () Fonctions pour convertir la DateTime en chaîne. Voir l'exemple de commande ci-dessous:

df.style.format ("date": lambda t: t.strftime ("% m /% d /% y"))

Lorsque vous exécutez la commande ci-dessus, vous verrez la sortie suivante:

Comme vous pouvez le voir, la sortie du dataframe.style.La fonction format () est la même que pour les pandas.Série.dt.fonction strftime (). Par conséquent, il est simple de convertir la DateTime en la chaîne à l'aide de pandas en python.

Conclusion:

Dans cet article, nous avons vu trois fonctions de pandas dans Python utilisées pour convertir DateTime en chaîne; Trame de données.style.Fonction Format (), pandas.Série.dt.fonction strftime () et pd.fonction à_datetime (). Pour vous aider à apprendre à utiliser ces fonctions, nous avons fourni des exemples d'échantillons pour chaque fonction afin que vous puissiez les pratiquer et apprendre rapidement à les utiliser dans vos programmes.