Hướng dẫn how do i cut a datetime from a date in python? - làm cách nào để cắt ngày giờ khỏi ngày trong python?

Trong hướng dẫn này, chúng tôi sẽ xem xét cách loại bỏ thành phần thời gian từ một ngày trong gấu trúc với sự trợ giúp của một số ví dụ.

Nếu bạn làm việc với ngày DateTime Pandas thì bạn chỉ cần gọi hàm

In[10]:
df['date'] = pd.to_datetime(df['date']).dt.normalize()
df

Out[10]: 
        date
0 2015-02-21

In[10]:
df['date'] = pd.to_datetime(df['date']).dt.normalize()
df

Out[10]: 
        date
0 2015-02-21

# remove time from a pandas timestamp object
sample_date.date()
# remove time from a pandas series of dates
df['Date'].dt.date

Lưu ý rằng nếu ngày không phải là ngày DateTime của Pandas, trước tiên bạn cần sử dụng

In[11]:
df.dtypes

Out[11]: 
date    datetime64[ns]
dtype: object

In [37]:

df = pd.DataFrame({'date':['2015-02-21 12:08:51']})
df
Out[37]:
                  date
0  2015-02-21 12:08:51
In [39]:

df['date'] = pd.to_datetime(df['date']).dt.date
df
Out[39]:
         date
0  2015-02-21

Hãy cùng xem xét một số ví dụ về việc sử dụng cú pháp trên.

1. Xóa thời gian từ ngày gấu trúc

Trước tiên, chúng ta hãy nhìn vào cách thời gian từ một đối tượng DateTime gấu trúc. Đối với điều này, áp dụng chức năng

In[10]:
df['date'] = pd.to_datetime(df['date']).dt.normalize()
df

Out[10]: 
        date
0 2015-02-21

import pandas as pd

sample_date = pd.Timestamp("2020-04-16 08:30:00")
# display the date
print(sample_date)
# remove the time
print(sample_date.date())

Output:

2020-04-16 08:30:00
2020-04-16

Bạn có thể thấy rằng chúng tôi chỉ nhận được ngày mà không có thành phần thời gian của nó. Cũng lưu ý rằng loại ngày được trả lại là

In[10]:
df['date'] = pd.to_datetime(df['date']).dt.normalize()
df

Out[10]: 
        date
0 2015-02-21

print(type(sample_date))
print(type(sample_date.date()))

Output:

2. Xóa thời gian khỏi ngày trong cột gấu trúc

Để loại bỏ thời gian từ ngày trong loạt gấu trúc, bạn có thể sử dụng thuộc tính

In[10]:
df['date'] = pd.to_datetime(df['date']).dt.normalize()
df

Out[10]: 
        date
0 2015-02-21

In [37]:

df = pd.DataFrame({'date':['2015-02-21 12:08:51']})
df
Out[37]:
                  date
0  2015-02-21 12:08:51
In [39]:

df['date'] = pd.to_datetime(df['date']).dt.date
df
Out[39]:
         date
0  2015-02-21

Đầu ra:

In [37]:

df = pd.DataFrame({'date':['2015-02-21 12:08:51']})
df
Out[37]:
                  date
0  2015-02-21 12:08:51
In [39]:

df['date'] = pd.to_datetime(df['date']).dt.date
df
Out[39]:
         date
0  2015-02-21

Trước khi chúng tôi tiến hành loại bỏ thời gian, trước tiên chúng tôi cần chuyển đổi cột thành DateTime Pandas.

In [37]:

df = pd.DataFrame({'date':['2015-02-21 12:08:51']})
df
Out[37]:
                  date
0  2015-02-21 12:08:51
In [39]:

df['date'] = pd.to_datetime(df['date']).dt.date
df
Out[39]:
         date
0  2015-02-21

Bây giờ, hãy để thêm một cột mới vào DataFrame chứa ngày mà không có phần thời gian.

In [37]:

df = pd.DataFrame({'date':['2015-02-21 12:08:51']})
df
Out[37]:
                  date
0  2015-02-21 12:08:51
In [39]:

df['date'] = pd.to_datetime(df['date']).dt.date
df
Out[39]:
         date
0  2015-02-21

Output:

In [37]:

df = pd.DataFrame({'date':['2015-02-21 12:08:51']})
df
Out[37]:
                  date
0  2015-02-21 12:08:51
In [39]:

df['date'] = pd.to_datetime(df['date']).dt.date
df
Out[39]:
         date
0  2015-02-21

Bạn có thể thấy rằng ngày kết quả don don có thời gian với họ. Lưu ý rằng cột mới không có kiểu dữ liệu DateTime.

In [37]:

df = pd.DataFrame({'date':['2015-02-21 12:08:51']})
df
Out[37]:
                  date
0  2015-02-21 12:08:51
In [39]:

df['date'] = pd.to_datetime(df['date']).dt.date
df
Out[39]:
         date
0  2015-02-21

Output:

In [37]:

df = pd.DataFrame({'date':['2015-02-21 12:08:51']})
df
Out[37]:
                  date
0  2015-02-21 12:08:51
In [39]:

df['date'] = pd.to_datetime(df['date']).dt.date
df
Out[39]:
         date
0  2015-02-21

Với điều này, chúng tôi đi đến cuối hướng dẫn này. Các ví dụ và kết quả mã được trình bày trong hướng dẫn này đã được triển khai trong A & NBSP; Jupyter Notebook & NBSP; với hạt nhân Python (phiên bản 3.8.3) có Pandas phiên bản 1.0.5

Đăng ký nhận bản tin của chúng tôi để biết thêm hướng dẫn và hướng dẫn thông tin. Chúng tôi không spam và bạn có thể từ chối bất cứ lúc nào.
We do not spam and you can opt out any time.

• 

  Piyush là một nhà khoa học dữ liệu đam mê sử dụng dữ liệu để hiểu mọi thứ tốt hơn và đưa ra quyết định sáng suốt. Trong quá khứ, anh ta làm việc như một nhà khoa học dữ liệu cho ZS và có bằng kỹ sư từ IIT Roorkee. Sở thích của anh ấy bao gồm xem cricket, đọc sách và làm việc trên các dự án phụ.

  Xem tất cả các bài viết