### 将 Pandas 时间格式转换为指定格式 在 Python 的 Pandas 库中，可以通过 `strftime` 方法将 `datetime` 类型的数据转换为目标字符串格式。目标格式为 `11/5/2019 9:30`，这表示日期部分采用日/月/年的顺序，时间部分则显示小时和分钟。 以下是实现该功能的具体方法： #### 转换代码示例 ```python import pandas as pd # 创建一个 Timestamp 对象作为示例 ts = pd.Timestamp('2019-11-05 09:30:00') # 使用 strftime 方法定义输出格式 formatted_date = ts.strftime('%d/%m/%Y %H:%M') print(formatted_date) # 输出结果为 '05/11/2019 09:30' ``` 在此代码片段中，`strftime('%d/%m/%Y %H:%M')` 定义了所需的日期时间格式[^2]。具体来说： - `%d`: 表示两位数字的日 (如 05)[^2]。 - `/`: 分隔符，用于分隔日、月和年。 - `%m`: 表示两位数字的月 (如 11)[^2]。 - `%Y`: 表示四位数字的年份 (如 2019)[^2]。 - `%H`: 表示两位数字的小时 (基于 24 小时制)[^2]。 - `%M`: 表示两位数字的分钟数 (如 30)[^2]。 如果需要对整个 DataFrame 列执行此操作，则可以如下所示应用转换逻辑： #### 数据框中的批量转换 ```python import pandas as pd # 构造一个包含 datetime 数据类型的 Series 或 DataFrame data = {'timestamp': ['2019-11-05 09:30:00', '2020-12-15 14:45:00']} df = pd.DataFrame(data) # 将 timestamp 列解析为 datetime 格式 df['timestamp'] = pd.to_datetime(df['timestamp']) # 转换为自定义格式并存储到新列 formatted_timestamp 中 df['formatted_timestamp'] = df['timestamp'].dt.strftime('%d/%m/%Y %H:%M') print(df) ``` 运行以上代码后，DataFrame 的结构将是这样的形式： | | timestamp | formatted_timestamp | |---:|------------------:|-----------------------:| | 0 | 2019-11-05 09:30:00 | 05/11/2019 09:30 | | 1 | 2020-12-15 14:45:00 | 15/12/2020 14:45 | 通过这种方式，能够轻松地将任何 `datetime` 列转换成所需的目标字符串格式[^1]。 ---