يقوم Pandas بأتمتة تحليل التاريخ في ملفات CSV

يعمل Pandas على تبسيط استرجاع البيانات من ملفات CSV مع قدرته على استنتاج أنواع البيانات تلقائيًا، بما في ذلك التواريخ. ومع ذلك، فإنه يفشل في بعض الأحيان في التعرف على تنسيقات تاريخ محددة، مثل تلك المقدمة كـ "4-6-2013."

الحل: حدد وسيطة 'parse_dates'

للتغلب على هذا التحدي، استخدم وسيطة "parse_dates". على سبيل المثال، لتعيين عمود به تواريخ بتنسيق "YYYY-MM-DD" ككائنات "تاريخ/وقت"، قم بتنفيذ ما يلي:

df = pandas.read_csv('test.dat', parse_dates=['datetime'], delimiter=r"\s ", names=['col1','col2','col3'])

سيؤدي هذا إلى تحويل العمود ذي الصلة إلى كائنات "datetime".

التخصيص المتقدم: وظائف محلل التاريخ

لمزيد من تنسيقات التاريخ المعقدة، استخدم وظائف محلل التاريخ. تمنح هذه مرونة أكبر في تحديد منطق التحليل المخصص. على سبيل المثال، ضع في اعتبارك عمود "التاريخ والوقت" بالتنسيق "YYYY-MM-DD HH:MM:SS":

from datetime import datetime
dateparse = lambda x: datetime.strptime(x, '%Y-%m-%d %H:%M:%S')
df = pd.read_csv(infile, parse_dates=['datetime'], date_parser=dateparse)

يمكنك أيضًا دمج عدة أعمدة مرتبطة بالتاريخ في عمود "تاريخ ووقت" واحد:

dateparse = lambda x: datetime.strptime(x, '%Y-%m-%d %H:%M:%S')
df = pd.read_csv(infile, parse_dates={'datetime': ['date', 'time']}, date_parser=dateparse)

تصفح وثائق 'strptime' للحصول على توجيهات تمثل تنسيقات وقت وتاريخ مختلفة.