文章目录
每篇前言一、to_datetime参数说明（代码实战）1. arg2. errors3. dayfirst4. yearfirst5. utc6. format7. exact8. unit9. infer_datetime_format10. origin11. cache 二、返回值1. datetime 三、报错1. ParserError2. ValueError 四、书籍推荐
每篇前言
??作者介绍：Python领域优质创作者、华为云享专家、阿里云专家博主、2021年CSDN博客新星Top6 |
一、to_datetime参数说明（代码实战）
语法格式：
Pandas.to_datetime( arg: DatetimeScalarOrArrayConvertible, errors: str = "raise", dayfirst: bool = False, yearfirst: bool = False, utc: bool | None = None, format: str | None = None, exact: bool = True, unit: str | None = None, infer_datetime_format: bool = False, origin="unix", cache: bool = True,) -> DatetimeIndex | Series | DatetimeScalar | NaTType | None:1. arg
要转换为日期时间的对象。如果提供了DataFrame，则该方法至少需要以下列：“年”、“月”、“日”。接收参数：int、float、str、datetime、list、tuple、1-d数组、Series、DataFrame/dict类
（1）接收时间戳（float）：
import pandas as pdimport numpy as npimport timet = time.time()print(t,type(t))df = pd.to_datetime(t)print(df)运行结果：
（2）接收字符串：
import pandas as pdimport numpy as npimport timedf = pd.to_datetime('2022-10-10')print(df)t = time.asctime()print(t, type(t))df = pd.to_datetime(t)print(df)运行结果：
（3）datetime类型：
import pandas as pdimport numpy as npimport timeimport datetimet = datetime.datetime.now()print(t, type(t))df = pd.to_datetime(t)print(df)运行结果：
（4）接收DataFrame类型：
import pandas as pdimport numpy as npimport timeimport datetimedf = pd.DataFrame({'year': [2022, 2021, ], 'month': [11, 10], 'day': [11, 10]})print(df)df_time = pd.to_datetime(df)print(df_time)运行结果：
2. errors
指定errors忽略 Out of bounds nanosecond timestamp , 或将报错datetime转为NaT。接收参数：｛‘ignore’，‘raise’，‘force’｝，默认’raise’。
如果“raise”，则无效解析将引发异常。如果为“coerce”，则无效解析将被设置为NaT。如果“ignore”，则无效解析将返回输入。（1）设置为raise：
import pandas as pdimport numpy as npimport timeimport datetimedf = pd.DataFrame({'year': [2022, 2021], 'month': [11, 10], 'day': [40, 40]})print(df)df_time = pd.to_datetime(df,errors='raise')print(df_time)运行结果：一个没有第40号所以报错
（2）设置为coerce：
import pandas as pdimport numpy as npimport timeimport datetimedf = pd.DataFrame({'year': [2022, 2021], 'month': [11, 10], 'day': [40, 40]})print(df)df_time = pd.to_datetime(df,errors='coerce')print(df_time)运行结果：
（3）设置为ignore：
import pandas as pdimport numpy as npimport timeimport datetimedf = pd.DataFrame({'year': [2022, 2021], 'month': [11, 10], 'day': [40, 40]})print(df)df_time = pd.to_datetime(df,errors='ignore')print(df_time)运行结果：
3. dayfirst
如果arg是str或类似列表，请指定日期解析顺序。如果为True，则以第一天为单位解析日期，例如“10/11/12”解析为2012-11-10。接收bool类型，默认为false。dayfirst=True不严格，但更喜欢使用dayfirst进行解析。如果无法根据给定的dayfirst选项解析带分隔符的日期字符串，例如to_datetime（[31-12-2021]），则会显示警告。
传31天进去：
import pandas as pdimport numpy as npimport timeimport datetimedf_time = pd.to_datetime('31/11/12', dayfirst=False)print(df_time)运行结果：
4. yearfirst
如果arg是str或类似列表，请指定日期解析顺序。如果True以年份开头解析日期，例如“10/11/12”解析为2010-11-12。如果dayfirst和yearfirst都为True，则yearfirsts前面是（与dateutil相同）。警告：yearfirst=True不严格，但更喜欢使用yearfirst进行解析。import pandas as pdimport numpy as npimport timeimport datetimedf = pd.DataFrame({'day': ['22/10/24', '21/11/11']})print(df)df_time = pd.to_datetime(df['day'], yearfirst=True)print(df_time)运行结果：
5. utc
控制时区相关的解析、本地化和转换。接收bool布尔类型，默认为None
如果为True，则该函数始终返回一个识别时区的UTC本地化时间戳、序列或日期时间索引。为此，时区原始输入本地化为UTC，而时区感知输入转换为UTC。如果为False（默认），输入将不会强制为UTC。时区原始输入将保持原始，而时区感知输入将保持其时间偏移。混合偏移（通常为夏令时）存在限制，有关详细信息，请参见示例部分。6. format
解析时间的strftime，例如“%d/%m/%Y”。请注意，“%f”将一直解析到纳秒。接收字符串类型。
| 格式化字符串 | 日期/时间说明 | 值范围和实例 |
|---|---|---|
| %Y | 年份 | 0000~9999，例如：2022 |
| %m | 月份 | 01~12，例如：3 |
| %B | 月份名称 | January~December，例如：April |
| %b | 月份名称缩写 | Jan~Dec，例如：Apr |
| %d | 日期 | 01~31，例如：20 |
| %A | 星期 | Monday~Sunday，例如：Wednesday |
| %a | 星期缩写 | Mon~Sun，例如：Wed |
| %H | 小时（24h制） | 00~23，例如：12 |
| %I | 小时（12h制） | 01~12，例如：7 |
| %p | 上\下午 | AM\PM，例如：PM |
| %M | 分钟 | 00~59，例如：10 |
| %S | 秒 | 00~59，例如：20 |
| %w | 星期几（具体） | 1~7，例如：7 |
| %W | 整年的第几周 | 1-52，例如：2 |
import pandas as pdimport numpy as npimport timeimport datetimedf = pd.DataFrame({'year': [2022, 2021, ], 'month': [11, 10], 'day': [11, 10]})print(df)df_time = pd.to_datetime(df, format='%Y-%m-%d')print(df_time)运行结果：
7. exact
控制格式的使用方式，接收bool布尔类型，默认为True：
如果为True，则需要精确的格式匹配。如果为False，则允许格式与目标字符串中的任何位置匹配。8. unit
接收字符串，默认为“ns”。arg的单位（D，s，ms，us，ns）表示单位，即整数或浮点数。这将基于原点。例如，使用unit='ms’和origin=‘unix’，这将计算到unix历元开始的毫秒数。注意：要求arg参数传递时间戳，不然会报错。
（1）传递其他时间格式：
import pandas as pdimport numpy as npimport timeimport datetimedf = pd.DataFrame({'day': ['22/10/24', '21/11/11']})print(df)df_time = pd.to_datetime(df , yearfirst=True)print(df_time)运行结果：
（2）传递时间戳：
import pandas as pdimport numpy as npimport timeimport datetimedf_time = pd.to_datetime(time.time(), unit='ms')print(df_time)运行结果：
9. infer_datetime_format
如果为True且未给出格式，请尝试根据第一个非NaN元素推断日期时间字符串的格式，如果可以推断，请切换到更快的方法来解析它们。在某些情况下，这可以将解析速度提高5-10倍。当数据量大的时候用这个参数可以提高解析速度！
10. origin
定义参考日期。数值将被解析为自该参考日期以来的单位数（按单位定义）。标量，默认为“unix”
如果为：“unix”（或POSIX）时间；原点设置为1970-01-01。如果为：“julian”，单位必须为“D”，原点设置为朱利安日历的开始。儒略日0被指定为公元前4713年1月1日中午开始的一天。如果“时间戳”可转换，则“原点”设置为“由原点标识的时间戳”。（1）指定时间：
import pandas as pdimport numpy as npimport timeimport datetimedf_time = pd.to_datetime([1, 2, 3], unit='D', origin='2022-01-01')print(df_time)运行结果：
（2）不指定时间：不指定时间则默认从19700101开始
import pandas as pdimport numpy as npimport timeimport datetimedf_time = pd.to_datetime([1, 2, 3], unit='D')print(df_time)运行结果：
11. cache
如果为True，请使用唯一的已转换日期缓存来应用日期时间转换。在解析重复的日期字符串时，尤其是带有时区偏移量的字符串时，可能会产生显著的加速。缓存仅在至少有50个值时使用。存在越界值将导致缓存无法使用，并可能会降低解析速度。接收bool类型参数，默认为True。在版本0.25.0中更改：将默认值从False更改为True。
二、返回值
1. datetime
如果解析成功。返回类型取决于输入（括号中的类型对应于时区或时间戳解析不成功时的回退）：
标量：时间戳（或datetime.datetime）数组：DatetimeIndex（或对象dtype包含datetime.datetime的序列）Series：datetime64数据类型系列（或包含datetime.datetime的对象数据类型系列）DataFrame：datetime64数据类型系列（或包含datetime.datetime的对象数据类型系列）（1）arg传递标量：
import pandas as pdimport timeimport datetimedf_time = pd.to_datetime(time.time())print(df_time)print(type(df_time))运行结果：
（2）arg传递数组返回DatetimeIndex
import pandas as pdimport numpy as npimport timeimport datetimedf_time = pd.to_datetime(['2017-08-01', '2018-08-02', '2018-08-03', '2018-08-04','2018-08-05'])print(df_time)print(type(df_time))运行结果：
（3）arg传递Series返回datetime64数据类型系列：
import pandas as pdimport timeimport datetimeser_obj = pd.Series(['2017-08-01', '2018-08-02', '2018-08-03', '2018-08-04','2018-08-05'])df_time = pd.to_datetime(ser_obj)print(df_time)print(type(df_time))运行结果：
（4）argDataFrame：
import pandas as pdimport numpy as npimport timeimport datetimedf = pd.DataFrame({'year': [2022, 2021, ], 'month': [11, 10], 'day': [11, 10]})print(df)df_time = pd.to_datetime(df)print(df_time)运行结果：
三、报错
1. ParserError
报错信息：When parsing a date from string fails.
报错翻译：从字符串解析日期失败时。
2. ValueError
发生另一个日期时间转换错误时。例如，当DataFrame中缺少“year”、“month”、“day”列中的一列时，或者当Timezone感知日期时间时。datetime是在类似于混合时间偏移的数组中找到的，并且utc＝False。
四、书籍推荐
书籍展示：《Web安全攻防从入门到精通》
【书籍内容简介】
全书共21章，第1章到第6章讲解入门知识，包括HTTP基本概念、工具实战、信息收集、靶场搭建等内容；第7章到第20章讲解Web渗透测试的14个典型漏洞案例，包括SQL注入、XSS漏洞、CSRF漏洞、SSRF漏洞、任意文件上传、业务逻辑漏洞等内容；第21章是项目实战，主要模拟真实Web安全评估项目。京东自营：http://product.dangdang.com/29460729.html