Um Guia Abrangente: Como Usar o Pandas to_datetime para Processamento de Dados

Name

Amber de Ligt

Published on 19/08/2023

(opens in a new tab) (opens in a new tab) (opens in a new tab) (opens in a new tab) (opens in a new tab) (opens in a new tab)

Uma das bibliotecas Python mais robustas para análise e manipulação de dados é o Pandas. Uma função versátil dentro do Pandas que ajuda significativamente na análise de séries temporais é a função to_datetime(). Neste guia, iremos explorar como você pode utilizar a função to_datetime() do Pandas para converter efetivamente seus dados de data.

Quer criar rapidamente visualizações de dados em Python?

PyGWalker é um projeto Python de código aberto que pode ajudar a acelerar o fluxo de análise e visualização de dados diretamente em ambientes baseados no Jupyter Notebook.

PyGWalker (opens in a new tab) transforma seu dataframe do Pandas (ou dataframe do Polars) em uma UI visual onde você pode arrastar e soltar variáveis para criar gráficos com facilidade. Simplesmente use o seguinte código:

pip install pygwalker
import pygwalker as pyg
gwalker = pyg.walk(df)

Você pode executar o PyGWalker agora mesmo com esses notebooks online:

E não se esqueça de dar uma ⭐️ no GitHub!

Executar PyGWalker no Kaggle Notebook (opens in a new tab)	Executar PyGWalker no Google Colab (opens in a new tab)	Dar uma ⭐️ no GitHub para o PyGWalker (opens in a new tab)
(opens in a new tab)	(opens in a new tab)	(opens in a new tab)

Entendendo a Função to_datetime() do Pandas

A função to_datetime() do Pandas oferece uma abordagem flexível e abrangente para lidar com conversões de datas. Ela eficientemente transforma uma representação de string de uma data em um formato de data real, o que é útil ao alavancar a vasta funcionalidade de data fornecida pelo Pandas, como a ressampleagem.

A sintaxe para to_datetime() é a seguinte:

pd.to_datetime(arg, errors='raise', dayfirst=False, yearfirst=False, utc=None, format=None, exact=True, unit=None, infer_datetime_format=False, origin='unix', cache=True)

Vamos analisar os principais parâmetros desta função.

Parâmetros da to_datetime()

Aqui estão os principais parâmetros com os quais você irá interagir ao usar a função to_datetime():

• arg: Estes são os dados reais que você deseja converter em um objeto datetime. É um parâmetro flexível que aceita numerosos tipos de dados, como int, float, string, datetime, lista, tupla, Series, DataFrame ou dict.

• format: Este parâmetro instrui o Pandas sobre como interpretar suas strings ao convertê-las em objetos de DateTime.

Arquivo do Markdown

• origin: A data de referência a partir da qual você deseja que seus carimbos de data e hora comecem. Por padrão, é definido como 'unix', que corresponde a 1970-01-01. Você também pode definir sua própria origem.

• unit: Isso permite que você especifique qual unidade seus dados inteiros representam, em relação à origem. Por exemplo, se você passar 20203939 com unit = 's', o Pandas interpretará isso como 20.203.939 segundos longe da origem.

• dayfirst e yearfirst: esses parâmetros ajudam o Pandas a interpretar datas se o dia ou o ano vier primeiro em seu formato, respectivamente.

Códigos de formato DateTime

Os códigos de formato são essenciais para instruir o Pandas em qual formato sua string DateTime está. Aqui estão alguns códigos de formato importantes:

- %Y: Ano com século
- %m: Número do mês, com zero à esquerda
- %d: Dia do mês, com zero à esquerda
- %H: Hora (24 horas), com zero à esquerda
- %M: Minuto, com zero à esquerda
- %S: Segundo, com zero à esquerda
- %f: Microssegundo, com zero à esquerda

Exemplos de uso de to_datetime()

Agora que entendemos os parâmetros e códigos de formato, vamos passar por alguns exemplos.

Convertendo uma string em um objeto datetime

import pandas as pd
 
date_string = '2023-05-30'
date_object = pd.to_datetime(date_string)
print(date_object)

Alterando o formato de data usando o parâmetro format

import pandas as pd
 
date_string = '30-05-2023'
date_object = pd.to_datetime(date_string, format='%d-%m-%Y')
print(date_object)

Lidando com diferentes unidades de tempo com o parâmetro unit

import pandas as pd
 
seconds_since_epoch = 160945
date_object = pd.to_datetime(seconds_since_epoch, unit='s')
print(date_object)

Conclusão

Em conclusão, a função to_datetime() do Pandas é uma ferramenta indispensável em seu conjunto de ferramentas de análise de dados. A flexibilidade que oferece no tratamento de datas é inestimável. Com este guia, agora você tem uma compreensão sólida de como converter e manipular datas usando esta função.