擅长:python、mysql、java
<p>我假设在您的例子中,所有列都是<code>String</code>类型,并且包含日期
+有时,有时,有时。所以最简单的选择是:</p>
<pre><code>df = df.applymap(pd.to_datetime)
</code></pre>
<p>运行以下脚本转换部分源数据:</p>
<pre><code>import pandas as pd
dd = { 'net_due_date': [ '2018-10-25 00:00:00.000', '2018-09-27 00:00:00.000',
'2018-05-31 00:00:00.000', '2017-12-22 00:00:00.000',
'2018-01-30 00:00:00.000' ],
'from_date': [ '2017-06-06', '2017-06-06', '2017-06-06', '2017-06-06', '2017-06-06' ],
'clearing_date': [ '2018-10-13 00:00:00.000', '2018-09-30 00:00:00.000',
'2018-05-18 00:00:00.000', '2017-12-08 00:00:00.000', '2018-01-16 00:00:00.000' ] }
df = pd.DataFrame(data=dd)
df = df.applymap(pd.to_datetime)
</code></pre>
<p>当您执行<code>df.info()</code>时,您将得到(打印输出的一部分):</p>
<pre><code>Data columns (total 3 columns):
net_due_date 5 non-null datetime64[ns]
from_date 5 non-null datetime64[ns]
clearing_date 5 non-null datetime64[ns]
</code></pre>
<p>为了演示,您可以在前面和后面添加<code>print(df)</code>
转换。你知道吗</p>
<p>就“非常大”的年份而言,熊猫会用
年份在1677年到2262年之间。所以作为第一步
您应该将这些超出范围的日期更改为例如2250。你知道吗</p>