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_day0 02.01.2013 0 59 22154 999.00 1.01 03.01.2013 0 25 2552 899.00 1.02 05.01.2013 0 25 2552 899.00 -1.03 06.01.2013 0 25 2554 1709.05 1.04 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。