इम्पोर्ट बदलना: तारीखें पार्स करना

pandas के साथ सरल Data Ingestion

Amany Mahfouz

Instructor

Date और Time डेटा

तारीख और समय का अपना डेटा टाइप और आंतरिक प्रतिनिधित्व होता है
Datetime मानों को स्ट्रिंग प्रतिनिधित्व में बदला जा सकता है
Datetime स्ट्रिंग फॉर्मेटिंग के लिए एक सामान्य कोड-सेट होता है

pandas और Datetimes

डिफॉल्ट रूप से datetime कॉलम ऑब्जेक्ट्स (स्ट्रिंग्स) के रूप में लोड होते हैं
parse_dates आर्ग्यूमेंट से कॉलम्स को datetime घोषित करें (dtype नहीं!)
parse_dates स्वीकार कर सकता है:
- पार्स करने के लिए कॉलम नामों या नंबरों की सूची
- सूचियों की सूची, जिन कॉलम्स को जोड़कर पार्स करना है
- एक डिक्शनरी, जहाँ keys नए कॉलम नाम हैं और values वे कॉलम्स हैं जिन्हें साथ में पार्स करना है

pandas और Datetimes

अलग-अलग फॉर्मेट वाले तारीख व समय कॉलम्स की स्प्रेडशीट

pandas और Datetimes

स्टैंडर्ड-फॉर्मेट कॉलम्स हाइलाइट की हुई तारीख व समय डेटा स्प्रेडशीट

pandas और Datetimes

तारीख-केवल और समय-केवल कॉलम हाइलाइट की हुई डेटा स्प्रेडशीट

pandas और Datetimes

असामान्य datetime फॉर्मेट वाले कॉलम को हाइलाइट करती तारीख व समय डेटा स्प्रेडशीट

Dates पार्स करना

# पार्स करने के लिए तारीख वाले कॉलम्स की सूची
date_cols = ["Part1StartTime", "Part1EndTime"]


# फ़ाइल लोड करें, स्टैंडर्ड datetime कॉलम्स पार्स करते हुए
survey_df = pd.read_excel("fcc_survey.xlsx", 
                          parse_dates=date_cols)

Dates पार्स करना

# टाइमस्टैम्प कॉलम्स के डेटा टाइप जाँचें
print(survey_df[["Part1StartTime", 
                 "Part1EndTime", 
                 "Part2StartDate", 
                 "Part2StartTime", 
                 "Part2EndTime"]].dtypes)

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

Dates पार्स करना

# पार्स करने के लिए तारीख वाले कॉलम्स की सूची
date_cols = ["Part1StartTime", 
             "Part1EndTime",

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


# फ़ाइल लोड करें, स्टैंडर्ड और स्प्लिट datetime कॉलम्स पार्स करते हुए
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]

Dates पार्स करना

# पार्स करने के लिए तारीख वाले कॉलम्स की सूची
date_cols = {"Part1Start": "Part1StartTime", 
             "Part1End": "Part1EndTime",
             "Part2Start": ["Part2StartDate", 
                             "Part2StartTime"]}


# फ़ाइल लोड करें, स्टैंडर्ड और स्प्लिट datetime कॉलम्स पार्स करते हुए
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]

गैर-स्टैंडर्ड Dates

गैर-स्टैंडर्ड datetime फॉर्मेट्स पर parse_dates काम नहीं करता
डेटा लोड करने के बाद parse_dates न चले तो pd.to_datetime() का उपयोग करें
to_datetime() के आर्ग्यूमेंट्स:
- कन्वर्ट करने के लिए DataFrame और कॉलम
- format: datetime फॉर्मेट का स्ट्रिंग प्रतिनिधित्व

Datetime फॉर्मेटिंग

कोड्स और कैरेक्टर्स से datetime स्ट्रिंग फॉर्मेटिंग बताई जाती है
पूरी सूची के लिए strftime.org देखें

Datetime फॉर्मेटिंग

Code	अर्थ	उदाहरण
`%Y`	वर्ष (4-अंकों का)	1999
`%m`	महीना (ज़ीरो-पैडेड)	03
`%d`	दिन (ज़ीरो-पैडेड)	01
`%H`	घंटा (24-घंटे घड़ी)	21
`%M`	मिनट (ज़ीरो-पैडेड)	09
`%S`	सेकंड (ज़ीरो-पैडेड)	05

गैर-स्टैंडर्ड Dates पार्स करना

असामान्य datetime फॉर्मेट वाले कॉलम को हाइलाइट करती तारीख व समय डेटा स्प्रेडशीट

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

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

गैर-स्टैंडर्ड Dates पार्स करना

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]

अभ्यास करते हैं!

pandas के साथ सरल Data Ingestion