0Pricing
Data Science Academy · Lekcja

Parsowanie ciągów znaków do dat i czasu

to_datetime i obsługa formatów

Parsowanie ciągów znaków do dat i czasu to bezpłatna lekcja Data Science Academy na CoddyKit. To lekcja 1 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Data Science Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Data Science Academy zawiera 4 lekcji w sumie.

Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.

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. 🎉

Często zadawane pytania

Czy lekcja „Parsowanie ciągów znaków do dat i czasu” jest bezpłatna?

Tak — pełny tekst „Parsowanie ciągów znaków do dat i czasu” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Data Science Academy, przejdź na CoddyKit PRO. Kurs Data Science Academy zawiera 4 lekcji w sumie.

Co nauczysz się w „Parsowanie ciągów znaków do dat i czasu”?

to_datetime i obsługa formatów Ćwiczysz Data Science Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.

Czy potrzebuję doświadczenia, aby zacząć Data Science Academy?

Nie wymagamy żadnego doświadczenia. Data Science Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 1 z 4.

Ile czasu zajmuje lekcja „Parsowanie ciągów znaków do dat i czasu”?

Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.

Czy mogę pisać i uruchamiać kod w tej lekcji Data Science Academy?

Tak. Każda lekcja Data Science Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.

Wszystkie lekcje w tym kursie

  1. Parsowanie ciągów znaków do dat i czasu
  2. Wyodrębnianie roku, miesiąca i dnia tygodnia
  3. Resampling dzienny lub miesięczny
  4. Strefy czasowe i zakresy dat
← Powrót do Data Science Academy