Data Science Academy · Aula

Analisar strings como datas e horas

to_datetime e tratamento de formatos.

Analisar strings como datas e horas é uma aula grátis de Data Science Academy no CoddyKit. Esta é a aula 1 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de Data Science Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de Data Science Academy inclui 4 aulas no total.

Partes desta aula ainda não foram traduzidas e aparecem em inglês.

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. 🎉

Perguntas Frequentes

A aula “Analisar strings como datas e horas” é grátis?

Sim — o texto completo de “Analisar strings como datas e horas” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de Data Science Academy, atualize para CoddyKit PRO. O curso de Data Science Academy inclui 4 aulas no total.

O que vou aprender em “Analisar strings como datas e horas”?

to_datetime e tratamento de formatos. Você pratica Data Science Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.

Preciso ter experiência prévia para começar Data Science Academy?

Nenhuma experiência prévia é necessária. Data Science Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 1 de 4.

Quanto tempo leva a aula “Analisar strings como datas e horas”?

A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.

Posso escrever e executar código nesta aula de Data Science Academy?

Sim. Cada aula de Data Science Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.

Todas as aulas deste curso

← Voltar para Data Science Academy