Pandas 自动执行 CSV 文件中的日期解析

Pandas 具有自动推断数据类型（包括日期）的功能，简化了从 CSV 文件中检索数据的过程。但是，它有时无法识别特定的日期格式，例如显示为“2013-6-4”的日期格式。

解决方案：指定 'parse_dates' 参数

要克服此挑战，请利用'parse_dates' 参数。例如，要将“YYYY-MM-DD”格式的日期指定为“datetime”对象，请执行以下命令：

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

这会将相关列转换为 'datetime' 对象。

高级自定义：日期解析器函数

对于更复杂的日期格式，请使用日期解析器函数。这些在指定自定义解析逻辑方面提供了更大的灵活性。例如，考虑格式为“YYYY-MM-DD HH:MM:SS”的“日期时间”列：

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)

您甚至可以将多个与日期相关的列合并到单个“datetime”列中：

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)

浏览 'strptime' 文档以获取表示各种日期时间格式的指令。