Tekenreeksen naar datetimes parsen
to_datetime en formaatverwerking
Tekenreeksen naar datetimes parsen is een gratis Data Science Academy-les op CoddyKit. Dit is les 1 van 4. Je kunt de volledige les hieronder gratis lezen en daarna in de browser praktisch oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is. Deze les maakt deel uit van het leertraject Data Science Academy. Je voortgang wordt gesynchroniseerd op het web en in de CoddyKit-app. De cursus Data Science Academy bevat in totaal 4 lessen.
Datums verbergen zich als tekst
Wanneer je een CSV inlaadt, komen datums meestal binnen als gewone tekenreeksen. Ze zien er goed uit, maar pandas behandelt ze als tekst, dus berekeningen met datums werken nog niet. 📅
Maak kennis met to_datetime
De oplossing is één functie: pd.to_datetime. Deze scant je tekst en zet elke waarde om in een echte tijdstempel waarmee pandas kan rekenen.
import pandas as pd
ts = pd.to_datetime("2024-03-15")
print(ts)Een hele kolom converteren
Geef een Series door en je krijgt een kolom met tijdstempels terug. Dit is de gebruikelijke stap nadat je een tabel met een datumveld hebt ingeladen.
df["date"] = pd.to_datetime(df["date"])Controleer het dtype
Na de conversie wordt het dtype van de kolom datetime64. Met die ene controle weet je dat het inlezen is gelukt en berekeningen met datums nu mogelijk zijn.
print(df["date"].dtype) # datetime64[ns]Veel indelingen, één aanroep
to_datetime is slim: het leest automatisch ISO-datums, datums met schuine strepen en zelfs uitgeschreven maanden. Voor nette ISO-tekenreeksen hoef je meestal niets anders op te geven.
pd.to_datetime(["2024-01-01", "Jan 2, 2024"])Geef de indeling expliciet op
Wanneer datums dubbelzinnig zijn, geef je een expliciete tekenreeks voor format op. Dat voorkomt giswerk en werkt veel sneller bij grote kolommen.
pd.to_datetime("15/03/2024", format="%d/%m/%Y")Datums met de dag voorop
Is 03/04 maart of april? Stel dayfirst=True in, zodat pandas de dag vóór de maand leest, zoals bij de meeste Europese datumnotaties.
pd.to_datetime("03/04/2024", dayfirst=True)Foute waarden zonder vast te lopen
Eén rommelige cel kan een volledige conversie laten mislukken. Gebruik errors="coerce" om waarden die niet kunnen worden ingelezen om te zetten naar NaT in plaats van een fout te veroorzaken.
pd.to_datetime("not-a-date", errors="coerce") # NaTMaak kennis met NaT
NaT is de datetime-variant van NaN: een ontbrekende tijdstempel. Met isna kun je deze mislukte conversies vinden en bepalen hoe je ze afhandelt.
df["date"].isna().sum() # count failed parsesDatum- en tijdonderdelen combineren
Heb je aparte kolommen voor datum en uur? Voeg ze samen tot één tekenreeks en lees die daarna één keer in. Je houdt één nette tijdstempel over.
pd.to_datetime(df["day"] + " " + df["time"])Conversie tijdens het inlezen
Je kunt een stap overslaan door tijdens het importeren te converteren. Geef parse_dates door aan read_csv en de kolom wordt al als datums ingelezen.
pd.read_csv("sales.csv", parse_dates=["date"])Snelle controle
Je datumkolom bevat enkele ongeldige waarden die je als ontbrekend wilt behouden.
Samenvatting: je kunt datums inlezen
Je hebt tekst met pd.to_datetime omgezet in echte tijdstempels, indelingen ingesteld, foute waarden met coerce afgehandeld en zelfs tijdens het inladen geconverteerd. Rekenen met datums ligt nu binnen handbereik. 🎉
Leer Python met een AI-tutor — gratis
Schrijf echte code en voer die uit in je browser, krijg direct hulp van een AI-tutor die 24/7 beschikbaar is en ga verder waar je gebleven bent op het web of in de app.
- Cursussen
- 30
- Lessen
- 120
Veelgestelde vragen
Is de les “Tekenreeksen naar datetimes parsen” gratis?
Ja — de volledige tekst van “Tekenreeksen naar datetimes parsen” kun je hier gratis op het web lezen. Als je interactief wilt oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is, en de rest van de cursus Data Science Academy wilt ontgrendelen, kun je upgraden naar CoddyKit PRO. De cursus Data Science Academy bevat in totaal 4 lessen.
Wat leer ik in “Tekenreeksen naar datetimes parsen”?
to_datetime en formaatverwerking Je oefent met Data Science Academy door code rechtstreeks in de browser uit te voeren. Een AI-begeleider die 24/7 beschikbaar is beantwoordt je vragen terwijl je de les doorwerkt.
Heb ik ervaring nodig om met Data Science Academy te beginnen?
Ervaring vooraf is niet nodig. Data Science Academy op CoddyKit is opgebouwd voor beginners tot gevorderden, zodat je hier of bij het begin kunt starten en in je eigen tempo kunt leren. Dit is les 1 van 4.
Hoe lang duurt de les “Tekenreeksen naar datetimes parsen”?
De meeste lessen van CoddyKit duren ongeveer 5–10 minuten. Elke les is kort en interactief, zodat je gestaag vooruitgaat en op het web en in de app precies verdergaat waar je was gebleven.
Kan ik code schrijven en uitvoeren in deze les over Data Science Academy?
Ja. Elke les over Data Science Academy bevat een ingebouwde code-editor, zodat je rechtstreeks in je browser echte code kunt schrijven en uitvoeren en direct feedback van AI krijgt — lokale installatie is niet nodig.
Alle lessen in deze cursus
- Tekenreeksen naar datetimes parsen
- Jaar, maand en weekdag extraheren
- Resamplen naar dagelijks of maandelijks
- Tijdzones en datumbereiken