Настройка импорта: разбор дат

Эффективный импорт данных с pandas

Amany Mahfouz

Instructor

Данные даты и времени

Даты и время имеют собственный тип данных и внутреннее представление
Значения datetime можно преобразовать в строковое представление
Для описания форматирования строк datetime используется общий набор кодов

pandas и Datetimes

По умолчанию столбцы datetime загружаются как объекты (строки)
Укажите, что столбцы содержат datetime, с помощью аргумента parse_dates (не dtype!)
parse_dates принимает:
- список имён или номеров столбцов для разбора
- список, содержащий списки столбцов для объединения и разбора
- словарь, где ключи — новые имена столбцов, а значения — списки столбцов для совместного разбора

pandas и Datetimes

Таблица со столбцами даты и времени в разных форматах

pandas и Datetimes

Таблица с данными даты и времени, выделены столбцы стандартного формата

pandas и Datetimes

Таблица с данными даты и времени, выделены столбец только с датой и столбец только со временем

pandas и Datetimes

Таблица с данными даты и времени, выделен столбец с нестандартным форматом datetime

Разбор дат

# List columns of dates to parse
date_cols = ["Part1StartTime", "Part1EndTime"]


# Load file, parsing standard datetime columns
survey_df = pd.read_excel("fcc_survey.xlsx", 
                          parse_dates=date_cols)

Разбор дат

# Check data types of timestamp columns
print(survey_df[["Part1StartTime", 
                 "Part1EndTime", 
                 "Part2StartDate", 
                 "Part2StartTime", 
                 "Part2EndTime"]].dtypes)

Part1StartTime    datetime64[ns]
Part1EndTime      datetime64[ns]
Part2StartDate            object
Part2StartTime            object
Part2EndTime              object
dtype: object

Разбор дат

# List columns of dates to parse
date_cols = ["Part1StartTime", 
             "Part1EndTime",

             [["Part2StartDate", "Part2StartTime"]]]


# Load file, parsing standard and split datetime columns
survey_df = pd.read_excel("fcc_survey.xlsx", 
                          parse_dates=date_cols)

print(survey_df.head(3))

  Part2StartDate_Part2StartTime   Age       ...    SchoolMajor  StudentDebtOwe
0           2016-03-29 21:24:57  28.0       ...            NaN           20000
1           2016-03-29 21:27:14  22.0       ...            NaN             NaN
2           2016-03-29 21:27:13  19.0       ...            NaN             NaN

[3 rows x 98 columns]

Разбор дат

# List columns of dates to parse
date_cols = {"Part1Start": "Part1StartTime", 
             "Part1End": "Part1EndTime",
             "Part2Start": ["Part2StartDate", 
                             "Part2StartTime"]}


# Load file, parsing standard and split datetime columns
survey_df = pd.read_excel("fcc_survey.xlsx", 
                          parse_dates=date_cols)

print(survey_df.Part2Start.head(3))

0   2016-03-29 21:24:57
1   2016-03-29 21:27:14
2   2016-03-29 21:27:13
Name: Part2Start, dtype: datetime64[ns]

Нестандартные даты

parse_dates не работает с нестандартными форматами datetime
Если parse_dates не подходит, используйте pd.to_datetime() после загрузки данных
Аргументы to_datetime():
- DataFrame и столбец для преобразования
- format: строковое представление формата datetime

Форматирование Datetime

Для описания форматирования строк datetime используются коды и символы
Полный список доступен на strftime.org

Форматирование Datetime

Код	Значение	Пример
`%Y`	Год (4 цифры)	1999
`%m`	Месяц (с ведущим нулём)	03
`%d`	День (с ведущим нулём)	01
`%H`	Час (24-часовой формат)	21
`%M`	Минута (с ведущим нулём)	09
`%S`	Секунда (с ведущим нулём)	05

Разбор нестандартных дат

Таблица с данными даты и времени, выделен столбец с нестандартным форматом datetime

format_string = "%m%d%Y %H:%M:%S"

survey_df["Part2EndTime"] = pd.to_datetime(survey_df["Part2EndTime"],
                                           format=format_string)

Разбор нестандартных дат

print(survey_df.Part2EndTime.head())

0   2016-03-29 21:27:25
1   2016-03-29 21:29:10
2   2016-03-29 21:28:21
3   2016-03-29 21:30:51
4   2016-03-29 21:31:54
Name: Part2EndTime, dtype: datetime64[ns]

Давайте потренируемся!

Эффективный импорт данных с pandas