今天，当从数据文件（例如）读取数据时，pandas能够识别值的类型，这让我感到非常惊讶：
df=pandas.read\u csv（'test.dat'，delimiter=r“\s+”，name=['col1'，'col2'，'col3']））
例如，可以通过以下方式进行检查：
df.iterrows（）中i，r的
：
打印类型（r['col1']、类型（r['col2']、类型（r['col3']））
特别是整数、浮点数和字符串被正确识别。但是，我有一个列的日期格式如下：2013-6-4。这些日期被识别为字符串（而不是python日期对象）。有没有一种方法可以“学习”熊猫识别日期
阅读时应该添加parse_dates=True，或者parse_dates=['column name']，这通常足以神奇地解析它。但总有一些奇怪的格式需要手动定义。在这种情况下，还可以添加日期解析器函数，这是最灵活的方法
假设字符串中有一列“datetime”，则：
从日期时间导入日期时间
dateparse=lambda x:datetime.strTime（x，“%Y-%m-%d%H:%m:%S”）
df=pd.read\u csv（infle，parse\u dates=['datetime']，date\u parser=dateparse）
通过这种方式，您甚至可以将多个列合并到单个datetime列中，从而将“date”和“time”列合并到单个“datetime”列中：
dateparse=lambda x:datetime.strtime（x，“%Y-%m-%d%H:%m:%S”）
df=pd.read\u csv（infle，parse\u dates={'datetime'：['date'，'time']}，date\u parser=dateparse）
您可以在此页面中找到strtime和strftime的指令（即用于不同格式的字母）