Analyser des chaînes en dates et heures
to_datetime et gestion des formats
Analyser des chaînes en dates et heures est une leçon Data Science Academy gratuite sur CoddyKit. Ceci est la leçon 1 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Data Science Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Data Science Academy comprend 4 leçons au total.
Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.
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") # NaTMeet 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 parsesCombine 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. 🎉
Questions Fréquemment Posées
La leçon « Analyser des chaînes en dates et heures » est-elle gratuite ?
Oui — le texte complet de « Analyser des chaînes en dates et heures » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Data Science Academy, passe à CoddyKit PRO. Le cours Data Science Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Analyser des chaînes en dates et heures » ?
to_datetime et gestion des formats Tu pratiques Data Science Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer Data Science Academy ?
Aucune expérience préalable n'est requise. Data Science Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 1 sur 4.
Combien de temps prend la leçon « Analyser des chaînes en dates et heures » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon Data Science Academy ?
Oui. Chaque leçon Data Science Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Analyser des chaînes en dates et heures
- Extraire l’année, le mois et le jour de la semaine
- Rééchantillonner au jour ou au mois
- Fuseaux horaires et plages de dates