Модифікація імпорту: розбір дат

Оптимізоване завантаження даних із pandas

Amany Mahfouz

Instructor

Дані дати й часу

Дати й час мають власний тип даних і внутрішнє подання
Значення datetime можна перетворювати на рядки
Є спільний набір кодів для форматування рядків datetime

pandas і Datetimes

Стовпці datetime за замовчуванням завантажуються як обʼєкти (рядки)
Вкажіть, що стовпці — це datetime, аргументом parse_dates (не dtype!)
parse_dates приймає:
- список назв або номерів стовпців для розбору
- список, що містить списки стовпців для обʼєднання й розбору
- словник, де ключі — нові назви стовпців, а значення — списки стовпців для спільного розбору

pandas і Datetimes

Електронна таблиця зі стовпцями дати й часу в різних форматах

pandas і Datetimes

Електронна таблиця з даними дати й часу; підсвічено стовпці у стандартному форматі

pandas і Datetimes

Електронна таблиця з даними дати й часу; підсвічено окремі стовпці лише з датою та лише з часом

pandas і Datetimes

Електронна таблиця з даними дати й часу; підсвічено стовпець із нестандартним форматом datetime

Розбір 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)

Розбір 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

Розбір 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]

Розбір 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]

Нестандартні дати

parse_dates не працює з нестандартними форматами datetime
Якщо parse_dates не підходить, після завантаження даних використайте pd.to_datetime()
Аргументи to_datetime():
- DataFrame і стовпець для перетворення
- format: рядкове подання формату datetime

Форматування datetime

Описуйте форматування рядків datetime кодами та символами
Повний перелік див. на strftime.org

Форматування datetime

Code	Значення	Приклад
`%Y`	Рік (4 цифри)	1999
`%m`	Місяць (з нулем попереду)	03
`%d`	День (з нулем попереду)	01
`%H`	Година (24-годинний формат)	21
`%M`	Хвилина (з нулем попереду)	09
`%S`	Секунда (з нулем попереду)	05

Розбір нестандартних дат

Електронна таблиця з даними дати й часу; підсвічено стовпець із нестандартним форматом datetime

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

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

Розбір нестандартних 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 потренуємось!

Оптимізоване завантаження даних із pandas