Por que o pandas.to_datetime é lento para o formato de hora fora do padrão, como '2014/12/31'
Eu tenho um arquivo .csv nesse formato
timestmp, p
2014/12/31 00:31:01:9200, 0.7
2014/12/31 00:31:12:1700, 1.9
...
e quando lido atravéspd.read_csv
e converta o time str em datetime usandopd.to_datetime
, o desempenho cai drasticamente. Aqui está um exemplo mínimo.
import re
import pandas as pd
d = '2014-12-12 01:02:03.0030'
c = re.sub('-', '/', d)
%timeit pd.to_datetime(d)
%timeit pd.to_datetime(c)
%timeit pd.to_datetime(c, format="%Y/%m/%d %H:%M:%S.%f")
e as performances são:
10000 loops, best of 3: 62.4 µs per loop
10000 loops, best of 3: 181 µs per loop
10000 loops, best of 3: 82.9 µs per loop
então, como eu poderia melhorar o desempenho depd.to_datetime
ao ler a data de um arquivo csv?