Pandas は CSV ファイルの日付解析を自動化します

Pandas は、日付を含むデータ型を自動的に推測する機能により、CSV ファイルからのデータ取得を簡素化します。ただし、「2013-6-4」などの特定の日付形式を認識できないことがあります。

解決策: 'parse_dates' 引数を指定します

この課題を克服するには、 「parse_dates」引数。たとえば、「YYYY-MM-DD」形式の日付を持つ列を「datetime」オブジェクトとして指定するには、次のコマンドを実行します。

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

これにより、関連する列が「datetime」オブジェクトに変換されます。

高度なカスタマイズ: 日付パーサー関数

より複雑な日付形式の場合は、日付パーサー関数を使用します。これらにより、カスタム解析ロジックをより柔軟に指定できるようになります。たとえば、「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)

複数の日付関連の列を 1 つの 'datetime' 列にマージすることもできます:

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)

さまざまな日時形式を表すディレクティブについては、「strptime」のドキュメントを参照してください。