Pandas automatiza el análisis de fechas en archivos CSV

Pandas simplifica la recuperación de datos de archivos CSV con su capacidad de inferir automáticamente tipos de datos, incluidas fechas. Sin embargo, en ocasiones no reconoce formatos de fecha específicos, como los presentados como "2013-6-4".

Solución: especificar el argumento 'parse_dates'

Para superar este desafío, utilice el argumento 'parse_dates'. Por ejemplo, para designar una columna con fechas en el formato "AAAA-MM-DD" como objetos 'fechahora', ejecute lo siguiente:

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

Esto convertirá la columna relevante en objetos 'datetime'.

Personalización avanzada: funciones del analizador de fechas

Para formatos de fecha más complejos, utilice funciones del analizador de fechas. Estos otorgan una mayor flexibilidad a la hora de especificar una lógica de análisis personalizada. Por ejemplo, considere una columna 'fecha y hora' con el formato "AAAA-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)

Incluso puedes fusionar varias columnas relacionadas con fechas en una sola columna 'datetime':

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)

Examine la documentación de 'strptime' para obtener directivas que representen varios formatos de fecha y hora.