0Pricing
Data Science Academy · Pelajaran

Mengurai String Menjadi Datetime

to_datetime dan penanganan format

Mengurai String Menjadi Datetime adalah pelajaran Data Science Academy gratis di CoddyKit. Ini adalah pelajaran 1 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Data Science Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Data Science Academy mencakup 4 pelajaran total.

Bagian dari pelajaran ini belum diterjemahkan dan ditampilkan dalam bahasa Inggris.

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. 🎉

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Mengurai String Menjadi Datetime” gratis?

Ya — teks lengkap “Mengurai String Menjadi Datetime” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Data Science Academy, upgrade ke CoddyKit PRO. Kursus Data Science Academy mencakup 4 pelajaran total.

Apa yang akan aku pelajari di “Mengurai String Menjadi Datetime”?

to_datetime dan penanganan format Kamu berlatih Data Science Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.

Apakah aku perlu pengalaman untuk memulai Data Science Academy?

Tidak diperlukan pengalaman sebelumnya. Data Science Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 1 dari 4.

Berapa lama pelajaran “Mengurai String Menjadi Datetime” memakan waktu?

Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.

Bisakah aku menulis dan menjalankan kode dalam pelajaran Data Science Academy ini?

Ya. Setiap pelajaran Data Science Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.

Semua pelajaran dalam kursus ini

  1. Mengurai String Menjadi Datetime
  2. Mengekstrak Tahun, Bulan, dan Hari dalam Seminggu
  3. Resample ke Harian atau Bulanan
  4. Zona Waktu dan Rentang Tanggal
← Kembali ke Data Science Academy