При чтении вы должны добавить parse_dates=True
или parse_dates=['column name']
, что обычно достаточно, чтобы магически разобрать его. Но всегда есть странные форматы, которые нужно определить вручную. В этом случае вы также можете добавить функцию парсера даты, которая является наиболее гибким способом.
Предположим, что у вас есть столбец «datetime» с вашей строкой, а затем:
dateparse = lambda x: pd.datetime.strptime(x, '%Y-%m-%d %H:%M:%S')
df = pd.read_csv(infile, parse_dates=['datetime'], date_parser=dateparse)
Таким образом, вы можете даже объединить несколько столбцов в один столбец datetime, это объединяет столбец «дата» и «время» в один столбец «datetime»:
dateparse = lambda x: pd.datetime.strptime(x, '%Y-%m-%d %H:%M:%S')
df = pd.read_csv(infile, parse_dates={'datetime': ['date', 'time']}, date_parser=dateparse)
При объединении двух столбцов в один столбец datetime принятый ответ генерирует ошибку (pandas version 0.20.3), так как столбцы отправляются отдельно для функции date_parser.
Следующие работы:
def dateparse(d,t):
dt = d + " " + t
return pd.datetime.strptime(dt, '%d/%m/%Y %H:%M:%S')
df = pd.read_csv(infile, parse_dates={'datetime': ['date', 'time']}, date_parser=dateparse)
Вы можете использовать pandas.to_datetime()
, как рекомендовано в документации для pandas.read_csv()
:
Если столбец или индекс содержит непроверяемая дата, весь столбец или индекс будут возвращены без изменений как тип данных объекта. Для нестандартного синтаксиса datetime используйте
pd.to_datetime
послеpd.read_csv
.Демо:
>>> D = {'date': '2013-6-4'} >>> df = pd.DataFrame(D, index=[0]) >>> df date 0 2013-6-4 >>> df.dtypes date object dtype: object >>> df['date'] = pd.to_datetime(df.date, format='%Y-%m-%d') >>> df date 0 2013-06-04 >>> df.dtypes date datetime64[ns] dtype: object
Да - в соответствии с документацией pandas.read_csv
:
Примечание. Для дат iso8601 в формате существует быстрый путь.
Итак, если ваш csv имеет столбец с именем
datetime
, и даты, например, выглядят как2013-01-01T01:01
, запуск этой программы сделает pandas (я на v0.19.2) забрать дата и время автоматически:
df = pd.read_csv('test.csv', parse_dates=['datetime'])
Обратите внимание, что вам необходимо явно передать
parse_dates
, это не работает.Проверить с помощью:
df.dtypes
Вы должны увидеть, что тип данных столбца
datetime64[ns]
Метод pandas read_csv отлично подходит для парсинга. Полная документация на http://pandas.pydata.org/pandas-docs/stable/generated/pandas.io.parsers.read_csv.html
, вы можете даже иметь разные даты в разных столбцах и передать параметр:
parse_dates : boolean, list of ints or names, list of lists, or dict
If True -> try parsing the index. If [1, 2, 3] -> try parsing columns 1, 2, 3 each as a
separate date column. If [[1, 3]] -> combine columns 1 and 3 and parse as a single date
column. {‘foo’ : [1, 3]} -> parse columns 1, 3 as date and call result ‘foo’
По умолчанию чувствительность дат отлично работает, но, похоже, она предвзято относится к форматам даты в северной Америке. Если вы живете в другом месте, вы иногда можете быть пойманы результатами. Насколько я помню, 1/6/2000 означает 6 января в США, а не 1 июня, где я живу. Он достаточно умен, чтобы качать их, если используются даты, такие как 23/6/2000. Вероятно, безопаснее оставаться с вариантами даты YYYYMMDD. Извинитесь за разработчиков pandas, но я не тестировал его с локальными датами в последнее время.
вы можете использовать параметр date_parser для передачи функции для преобразования вашего формата.
date_parser : function
Function to use for converting a sequence of string columns to an array of datetime
instances. The default uses dateutil.parser.parser to do the conversion.
dayfirst
как «Истина» для европейских / международных дат. [Д0] pandas.pydata.org/pandas-docs/stable/generated/…
– Will Gordon
15 November 2017 в 11:16
Возможно, интерфейс pandas изменился с тех пор, как ответил @Rutger, но в версии, которую я использую (0.15.2), функция date_parser
получает список дат вместо одного значения. В этом случае его код должен быть обновлен следующим образом:
dateparse = lambda dates: [pd.datetime.strptime(d, '%Y-%m-%d %H:%M:%S') for d in dates]
df = pd.read_csv(infile, parse_dates=['datetime'], date_parser=dateparse)
TypeError: strptime() argument 1 must be str, not float
– Jean Paul 4 May 2017 в 12:36