从数据框到时间戳 python3答案

【问题标题】：From Dataframe to Datestamp python3从数据框到时间戳 python3
【发布时间】：2018-12-05 06:30:04
【问题描述】：

最近我遇到了一个非常奇怪的 csv 文件，它有 2 列（带标题），一列用于日期，第二列用于价格。时间格式为“dd.mm.yyyy”。

d = {'Date': [31.12.1991, 02.01.1992, 03.01.1992, 06.01.1992], 
     'Prices': [9.62, 9.5, 9.73, 9.45]}
df = pd.DataFrame(data=d)
prices = pd.DataFrame(df['Prices'])
date = pd.DataFrame(df['Date'])
date = date.to_string(header=True)
date = df.to_datetime(utc=True, infer_datetime_format=True)
frame = date.join(values)
print(df)

我试图通过隔离日期列并尝试首先使用 to_string() 函数将其转换为字符串然后使用 to_datetime 恢复日期来使其工作，但它没有用。

有什么建议吗？提前致谢

【问题讨论】：

标签： python-3.x pandas dataframe timestamp

【解决方案1】：

对整个数据帧进行泛化的有趣方式

注意这使用errors='ignore' 来跳过可能不适合解析为日期的列。但是，折衷方案是，如果有一列旨在被解析为日期但日期值错误，则此方法将使该列保持不变。关键是确保您没有错误的日期值。

df.assign(
    **df.select_dtypes(exclude=[np.number]).apply(
        pd.to_datetime, errors='ignore', dayfirst=True
    )
)

        Date  Prices
0 1991-12-31    9.62
1 1992-01-02    9.50
2 1992-01-03    9.73
3 1992-01-06    9.45

另一个例子

df = pd.DataFrame(dict(
    A=1, B='B', C='6.7.2018', D=1-1j,
    E='1.2.2017', F=pd.Timestamp('2016-08-08')
), [0])

df

   A  B         C       D         E          F
0  1  B  6.7.2018  (1-1j)  1.2.2017 2016-08-08

df.assign(
    **df.select_dtypes(exclude=[np.number]).apply(
        pd.to_datetime, errors='ignore', dayfirst=True
    )
)

   A  B          C       D          E          F
0  1  B 2018-07-06  (1-1j) 2017-02-01 2016-08-08

设置

从耶斯瑞尔借来的

d = {'Date': ['31.12.1991', '02.01.1992', '03.01.1992', '06.01.1992'], 
     'Prices': [9.62, 9.5, 9.73, 9.45]}
df = pd.DataFrame(data=d)

【讨论】：

嗯，errors='ignore' 不是好主意，如果日期时间不好，也许你可以指出需要所有有效日期。

【解决方案2】：

您可以在读取文件时尝试解析日期。您可以指定格式先是日期而不是月份。

import pandas as pd
df = pd.read_csv('test.csv', parse_dates=['Date'], dayfirst=True)

print(df)
#        Date   Prices
#0 1991-12-31     9.62
#1 1992-01-02     9.50
#2 1992-01-03     9.73
#3 1992-01-06     9.45

df.dtypes
#Date      datetime64[ns]
#Prices           float64
#dtype: object

但是，您的数据确实需要干净且格式正确才能正常工作：

解析日期：

如果列或索引包含无法解析的日期，整个列或索引将作为对象数据类型原样返回。为了非标准日期时间解析，在 pd.read_csv 之后使用 pd.to_datetime

样本数据：test.csv

Date,Prices
31.12.1991,9.62
02.01.1992,9.5
03.01.1992,9.73
06.01.1992,9.45

【讨论】：

非常感谢！我不认为我可以通过返回 CSV 来解决问题 =)

【解决方案3】：

我认为需要：

d = {'Date': ['31.12.1991', '02.01.1992', '03.01.1992', '06.01.1992'], 
     'Prices': [9.62, 9.5, 9.73, 9.45]}
df = pd.DataFrame(data=d)

df['Date'] = pd.to_datetime(df['Date'], dayfirst=True)
print (df)
        Date  Prices
0 1991-12-31    9.62
1 1992-01-02    9.50
2 1992-01-03    9.73
3 1992-01-06    9.45

【讨论】：