Anpassa importer: tolka datum

Effektiv datainläsning med pandas

Amany Mahfouz

Instructor

Datum- och tidsdata

Datum och tider har en egen datatyp och intern representation
Datetime-värden kan omvandlas till strängrepresentationer
En gemensam uppsättning koder beskriver datetime-strängformatering

pandas och Datetimes

Datetime-kolumner läses in som objekt (strängar) som standard
Ange att kolumner innehåller datetime med argumentet parse_dates (inte dtype!)
parse_dates kan ta emot:
- en lista med kolumnnamn eller kolumnnummer att tolka
- en lista med listor över kolumner att kombinera och tolka
- en dictionary där nycklarna är nya kolumnnamn och värdena är listor med kolumner att tolka tillsammans

pandas och Datetimes

Kalkylblad med datum- och tidskolumner i olika format

pandas och Datetimes

Kalkylblad med datum- och tidsdata där kolumner i standardformat är markerade

pandas och Datetimes

Kalkylblad med datum- och tidsdata, med en datumkolumn och en tidskolumn markerade

pandas och Datetimes

Kalkylblad med datum- och tidsdata, med en kolumn i ovanligt datetime-format markerad

Tolka datum

# 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)

Tolka datum

# 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

Tolka datum

# 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]

Tolka datum

# 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]

Icke-standardiserade datum

parse_dates fungerar inte med datetime-format som avviker från standarden
Använd pd.to_datetime() efter inläsning om parse_dates inte fungerar
Argument till to_datetime():
- Dataframe och kolumn att konvertera
- format: strängrepresentation av datetime-formatet

Datetime-formatering

Beskriv datetime-strängformatering med koder och tecken
Se strftime.org för den fullständiga listan

Datetime-formatering

Kod	Betydelse	Exempel
`%Y`	År (4 siffror)	1999
`%m`	Månad (med inledande nolla)	03
`%d`	Dag (med inledande nolla)	01
`%H`	Timme (24-timmarsformat)	21
`%M`	Minut (med inledande nolla)	09
`%S`	Sekund (med inledande nolla)	05

Tolka icke-standardiserade datum

Kalkylblad med datum- och tidsdata, med en kolumn i ovanligt datetime-format markerad

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

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

Tolka icke-standardiserade datum

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]

Nu kör vi en övning!

Effektiv datainläsning med pandas