移动推荐算法中的time列问题 关于时间处理 字符串和日期的相互转换

一开始呢是object类型，不是时间格式，这就导致利用 时间进行分析会发生问题比如说我的csv中有一列是时间：1949-01-01，当我直接read_csv(fileName)时，得到的数据，它的时间这一列被当做 object（或者string），导致进行时间序列预测的时候，不好操作，也不好画图，那怎么转换呢
1）单列转换

dateparse = lambda x: pd.datetime.strptime(x, '%Y-%m-%d %H:%M:%S')
 
df = pd.read_csv(infile, parse_dates=['datetime'], date_parser=dateparse)

当然你需要灵活变通，比如：我的例子在csv中是 1949/1/1（在名为Month的这一列）

dateparse = lambda dates: pd.datetime.strptime(dates,'%Y/%m/%d')
data = pd.read_csv('AirPassengers.csv', parse_dates=['Month'],\
            index_col='Month', date_parser=dateparse)

index_col=‘Month’是为了把这一列作为索引
然后print(data.index)就能看到DatetimeIndex等字样

2）多列转换

dateparse = lambda x: pd.datetime.strptime(x, '%Y-%m-%d %H:%M:%S')
 
df = pd.read_csv(infile, parse_dates={'datetime': ['date', 'time']}, date_parser=dateparse)

https://www.cnblogs.com/datablog/p/6127000.html
很多关于时间及导入的基础知识
字符串和datetime的相互转换
1）Python标准库函数

日期转换成字符串：利用str或strftime

字符串转换成日期：datetime.strptime
字符串和日期的相互转换

dateparse = lambda dates: pd.datetime.strptime(dates, '%Y-%m-%d %H')
for df in pd.read_csv(open("tianchi_fresh_comp_train_user.csv", 'r'), 
                      parse_dates=['time'], index_col=['time'], date_parser=dateparse,
                      chunksize = 100000): 
    print(df["2014-12-14"])

dateparse = lambda dates: pd.datetime.strptime(dates, '%Y-%m-%d %H')
for df in pd.read_csv(open("tianchi_fresh_comp_train_user.csv", 'r'), 
                      parse_dates=['time'], index_col=['time'], date_parser=dateparse,
                      chunksize = 100000): 
    print(df["2014-12-14"].shape[0])#行