熊猫df转换dtype-如何使其更快？

问题描述

我有一个熊猫数据框，其中有3个列，里面有日期。它们看起来像这样，还不是日期时间对象：

In [32]:dfp[["Datum","Start","Ende"]]
Out[32]: 
                    Datum              Start                 Ende
0       4.2.2020 00:00:00  2.1.2018 08:00:00  14.12.2021 08:00:00
1       4.2.2020 00:00:00  2.1.2018 08:00:00  14.12.2021 08:00:00
2       4.2.2020 00:00:00  2.1.2018 08:00:00  14.12.2021 08:00:00
3       4.2.2020 00:00:00  2.1.2018 08:00:00  14.12.2021 08:00:00
4       4.2.2020 00:00:00  2.1.2018 08:00:00  14.12.2021 08:00:00
                  ...                ...                  ...
473474  4.8.2020 00:00:00  2.1.2014 08:00:00  29.12.2018 08:00:00
473475  4.8.2020 00:00:00  2.1.2014 08:00:00  29.12.2018 08:00:00
473476  4.8.2020 00:00:00  2.1.2014 08:00:00  29.12.2018 08:00:00
473477  4.8.2020 00:00:00  2.1.2014 08:00:00  29.12.2018 08:00:00
473478  4.8.2020 00:00:00  2.1.2014 08:00:00  29.12.2018 08:00:00

[473479 rows x 3 columns]

因此，我将使用以下代码将它们变成日期时间对象：

dfp["Datum"] = (dfp["Datum"].apply(lambda x: x.replace(" 00:00:00",""))
                ).apply(lambda x: datetime.strptime(x,'%d.%m.%Y'))

dfp["Start"] = (dfp["Start"].apply(lambda x: x.replace(" 08:00:00",'%d.%m.%Y'))

dfp["Ende"] = (dfp["Ende"].apply(lambda x: x.replace(" 08:00:00",'%d.%m.%Y'))

之后，熊猫便能够将这些值识别为日期时间对象。但是，这需要12秒钟才能运行，与我使用pandas编写的所有其他代码段相比，这似乎要花很长时间。这是我在这里编码的一种不好方法吗？

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）