Data Science Academy · Lektion

Zeichenketten in Datetimes parsen

to_datetime und der Umgang mit Formaten

Zeichenketten in Datetimes parsen ist eine kostenlose Data Science Academy-Lektion auf CoddyKit. Dies ist Lektion 1 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des Data Science Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der Data Science Academy-Kurs umfasst insgesamt 4 Lektionen.

Teile dieser Lektion wurden noch nicht übersetzt und werden auf Englisch angezeigt.

Dates Hide as Text

When you load a CSV, dates usually arrive as plain strings. They look right but pandas treats them as text, so date math just won't work yet. 📅

Enter to_datetime

The fix is one function: pd.to_datetime. It scans your text and turns each value into a real timestamp pandas can compute with.

import pandas as pd
ts = pd.to_datetime("2024-03-15")
print(ts)

Convert a Whole Column

Pass a Series and you get back a column of timestamps. This is the everyday move right after loading a table with a date field.

df["date"] = pd.to_datetime(df["date"])

Check the dtype

After converting, the column's dtype becomes datetime64. That single check tells you the parse actually worked and date math is now unlocked.

print(df["date"].dtype)  # datetime64[ns]

Many Formats, One Call

to_datetime is smart: it reads ISO dates, slashes, and even written months automatically. For tidy ISO strings you rarely need to tell it anything else.

pd.to_datetime(["2024-01-01", "Jan 2, 2024"])

Spell Out the Format

When dates are ambiguous, give an explicit format string. It removes guessing and runs much faster on big columns.

pd.to_datetime("15/03/2024", format="%d/%m/%Y")

Day-First Dates

Is 03/04 March or April? Set dayfirst=True so pandas reads the day before the month, matching most European date styles.

pd.to_datetime("03/04/2024", dayfirst=True)

Bad Values Without Crashing

One messy cell can break a whole parse. Use errors="coerce" to turn unparseable values into NaT instead of raising an error.

pd.to_datetime("not-a-date", errors="coerce")  # NaT

Meet NaT

NaT is the datetime version of NaN: a missing timestamp. You can spot these failed parses with isna and decide how to handle them.

df["date"].isna().sum()  # count failed parses

Combine Date and Time Parts

Have separate date and hour columns? Concatenate them into one string, then parse once. You end up with a single clean timestamp.

pd.to_datetime(df["day"] + " " + df["time"])

Parse at Read Time

You can skip a step by parsing during import. Pass parse_dates to read_csv and the column arrives as datetimes already.

pd.read_csv("sales.csv", parse_dates=["date"])

Quick Check

Your date column has a few junk values you want to keep as missing.

Recap: You Can Parse Dates

You turned text into real timestamps with pd.to_datetime, controlled formats, handled bad values with coerce, and even parsed on load. Date math is now within reach. 🎉

Häufig gestellte Fragen

Ist die Lektion „Zeichenketten in Datetimes parsen“ kostenlos?

Ja — der vollständige Text von „Zeichenketten in Datetimes parsen“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des Data Science Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der Data Science Academy-Kurs umfasst insgesamt 4 Lektionen.

Was lerne ich in „Zeichenketten in Datetimes parsen“?

to_datetime und der Umgang mit Formaten Du übst Data Science Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.

Brauche ich Erfahrung, um Data Science Academy zu starten?

Keine Vorkenntnisse erforderlich. Data Science Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 1 von 4.

Wie lange dauert die Lektion „Zeichenketten in Datetimes parsen“?

Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.

Kann ich in dieser Data Science Academy-Lektion Code schreiben und ausführen?

Ja. Jede Data Science Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.

Alle Lektionen in diesem Kurs

← Zurück zu Data Science Academy