¿Cómo convertir flotante a fecha y hora en Pandas DataFrame?

Pandas Dataframe brinda la libertad de cambiar el tipo de datos de los valores de columna. Podemos cambiarlos de enteros a tipo flotante, entero a fecha y hora, string a entero, flotante a fecha y hora, etc. Para convertir flotante a fecha y hora usamos la función pandas.to_datetime() y se usa la siguiente sintaxis :

Sintaxis: pandas.to_datetime (arg, errores=’raise’, dayfirst=False, yearfirst=False, utc=Ninguno, box=True, format=Ninguno, exact=True, unit=Ninguno, infer_datetime_format=False, origin=’unix ‘, caché=Falso)

Ejemplo 1: convertir una columna de flotante al formato ‘ yyyymmdd’ usando pandas.to_datetime()

# importing pandas library
import pandas as pd
  
# Initializing the nested list 
# with Data set
player_list = [[20200112.0,'Mathematics'], 
               [20200114.0,'English'],
               [20200116.0,'Physics'], 
               [20200119.0,'Chemistry'],
               [20200121.0,'French'], 
               [20200124.0,'Biology'], 
               [20200129.0,'Sanskrit']]
  
# creating a pandas dataframe
df = pd.DataFrame(player_list,columns=['Dates','Test'])
  
# printing dataframe 
print(df)
print()
  
# checking the type 
print(df.dtypes)

Producción:

Después de cambiar el tipo de datos.

# converting the float to datetime format 
df['Dates'] = pd.to_datetime(df['Dates'], format='%Y%m%d') 
  
# printing dataframe 
print(df)
print()
  
print(df.dtypes)

Producción:

En el ejemplo anterior, cambiamos el tipo de datos de la columna ‘ Fechas ‘ de ‘ float64 ‘ a ‘ datetime64[ns] ‘.

Ejemplo 2: si la columna del marco de datos está en formato aaaammdd y tenemos que convertirla al formato aaaammdd

# importing pandas library
import pandas as pd
  
# Initializing the nested list with 
# Data set
player_list = [[180112.0,'Mathematics'],
               [180114.0,'English'],
               [180116.0,'Physics'],
               [180119.0,'Chemistry'],
               [180121.0,'French'],
               [180124.0,'Biology'],
               [180129.0,'Sanskrit']]
  
# creating a pandas dataframe
df = pd.DataFrame(player_list,columns=['Dates','Test'])
  
# printing dataframe 
print(df)
print()
  
# checking the type 
print(df.dtypes)

Producción:

Después de cambiar el tipo de datos.

# converting the float to datetime format 
df['Dates'] = pd.to_datetime(df['Dates'], format='%y%m%d') 
  
# printing dataframe 
print(df)
print()
  
print(df.dtypes)

Producción:

En el ejemplo anterior, cambiamos el tipo de datos de la columna ‘ Fechas ‘ de ‘ float64 ‘ a ‘ datetime64[ns] ‘ y el formato de ‘ aammdd ‘ a ‘ aaaammdd ‘.

Ejemplo 3: cuando tenemos que convertir la columna flotante al formato de fecha y hora

# importing pandas library
import pandas as pd
  
# Initializing the nested list with Data set
player_list = [[20200112082520.0,'Mathematics'],
               [20200114085020.0,'English'],
               [20200116093529.0,'Physics'],
               [20200119101530.0,'Chemistry'],
               [20200121104060.0,'French'],
               [20200124113541.0,'Biology'],
               [20200129125023.0,'Sanskrit']]
  
# creating a pandas dataframe
df = pd.DataFrame(player_list,columns=['Dates','Test'])
  
# printing dataframe 
print(df)
print()
  
# checking the type 
print(df.dtypes)

Producción:

Después de cambiar el tipo de datos.

# converting the float to datetime format 
df['Dates'] = pd.to_datetime(df['Dates'], format='%Y%m%d%H%M%S') 
  
# printing dataframe 
print(df)
print()
  
print(df.dtypes)

Producción:

En el ejemplo anterior, cambiamos el tipo de datos de la columna ‘ Fechas ‘ de ‘ float64 ‘ a ‘ datetime64[ns] ‘ y formateamos a Fecha y hora

Ejemplo 4: convertir múltiples columnas de formato flotante a formato ‘yyyymmdd ‘ usando pandas.to_datetime()

# importing pandas library
import pandas as pd
  
# Initializing the nested list with Data set
player_list = [[20200112.0,'Mathematics',20200113.0],
               [20200114.0,'English',20200115.0],
               [20200116.0,'Physics',20200117.0],
               [20200119.0,'Chemistry',20200120.0],
               [20200121.0,'French',20200122.0],
               [20200124.0,'Biology',20200125.0],
               [20200129.0,'Sanskrit',20200130.0]]
  
# creating a pandas dataframe
df = pd.DataFrame(player_list,columns=['Starting_Date','Test','Ending_Date'])
  
# printing dataframe 
print(df)
print()
  
# checking the type 
print(df.dtypes)

Producción:

Después de cambiar el tipo de datos.

# converting the float to datetime format 
# in multiple columns
df['Starting_Date'] = pd.to_datetime(df['Starting_Date'], 
                                     format='%Y%m%d') 
df['Ending_Date'] = pd.to_datetime(df['Ending_Date'],
                                   format='%Y%m%d') 
  
# printing dataframe 
print(df)
print()
  
print(df.dtypes)

Producción:

En el ejemplo anterior, cambiamos el tipo de datos de las columnas ‘ Fecha de inicio ‘ y ‘ Fecha de finalización ‘ de ‘ float64 ‘ a ‘ datetime64 [ns] ‘.