Kun CSV-tiedosto tuodaan ja tietokehys tehdään, tiedoston Date time -objektit luetaan merkkijonoobjektina Date Time -objektina, joten on erittäin vaikeaa suorittaa toimintoja, kuten aikaero merkkijonolle päivämäärän ajan sijaan. esine. Pandas to_datetime() -menetelmä auttaa muuttamaan merkkijonon Date time muotoon Python Päivämäärä-aikaobjekti.
Pandas.to_datetime() Syntaksi
Syntaksi: pandas.to_datetime(arg, errors='raise', dayfirst=False, yearfirst=False, utc=Ei mitään, box=True, format=Ei mitään, specific=True, unit=Ei mitään, infer_datetime_format=False, origin='unix', välimuisti = False)
Parametrit:
- arg: Kokonaisluku, merkkijono, float, luettelo tai saneluobjekti, joka muunnetaan päivämäärä-aikaobjektiksi.
- päivä ensin: Boolen arvo, asettaa päivän ensimmäiseksi, jos tosi.
- vuosi ensin: Boolen arvo, asettaa vuoden ensimmäiseksi, jos tosi.
- UTC: Boolen arvo, palauttaa ajan UTC-muodossa, jos tosi.
- muoto: Merkkijono, joka kertoo päivän, kuukauden ja vuoden sijainnin.
Palautustyyppi: Treffiaika
Pandas.to_datetime() Pandas-esimerkissä
Pandat to_datetime() käytetään muuntamaan eri tietotyypit datetime-objekteiksi. Näemme erilaisia esimerkkejä sen käytöstä:
Muunna Pandas-merkkijono päivämääräksi
Muuntaaksesi teksteinä tallennetut päivämäärä- ja aikatiedot datetime-objekteiksi, käytä Pandas.to_datetime()-komentoa. Muoto koostuu päivämäärästä ja kellonajasta.
Python 3
import> pandas as pd> # date string> d_string>=> '2023-09-17 14:30:00'> # Convert the string to datetime> dt_obj>=> pd.to_datetime(d_string)> print>(dt_obj)> |
>
merkintä kuvilla
>
Lähtö:
2023-09-17 14:30:00>
Muunna Pandan numeeriset arvot Datetime-muotoon
Datetime-objektit voidaan luoda numeerisista numeroista, jotka edustavat aikaa, kuten sekunteja Unix-epookista. Voimme määrittää syötetietojen yksikön käyttämällä yksikköargumenttia.
Python 3
import> pandas as pd> # Sample numerical value representing seconds since the Unix epoch> unix_timestamp>=> 1721700500> # Convert to datetime using 's' (seconds) as the unit> dt_obj>=> pd.to_datetime(unix_timestamp, unit>=>'s'>)> print>(dt_obj)> |
>
>
Lähtö:
2024-07-23 02:08:20>
Muunna Pandas-sarake DateTime-muotoon
Tämä selittää, kuinka päivämäärä- ja aikatietojen kanssa työskennellään käyttämällä Pandan kirjasto. Päätavoitteena on muuttaa päivämäärä- ja aikatiedot CSV-tiedostosta muotoon, joka tekee analyysistä helpommin ymmärrettävää ja hyödyllisempää.
Käytettyyn CSV-tiedostoon johtava linkki Klikkaa tästä .
Esimerkki 1: Muunnetaan päivämäärämuotoa käyttämällä Pandaa
Merkkijono päivämäärään Seuraavassa esimerkissä csv-tiedosto luetaan ja Data-kehyksen päivämääräsarake muunnetaan Date Time -objektiksi merkkijonoobjektista.
Python 3
sql-tietotyypit
# Importing the pandas package> import> pandas as pd> # Making a data frame from a CSV file> data>=> pd.read_csv(>'/content/todatetime.csv'>)> # Overwriting data after changing the 'Date' format> data[>'Date'>]>=> pd.to_datetime(data[>'Date'>])># Corrected: Added quotes around 'Date'> # Info of the data> data.info()> # Display the data> print>(data.head())> |
>
>
Lähtö:
RangeIndex: 1000 entries, 0 to 999 Data columns (total 2 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 Date 1000 non-null datetime64[ns] 1 Time 1000 non-null object dtypes: datetime64[ns](1), object(1) memory usage: 15.8+ KB Date Time 0 1993-08-06 12:42 PM 1 1996-03-31 6:53 AM 2 1993-04-23 11:17 AM 3 2005-03-04 1:00 PM 4 1998-01-24 4:47 PM>
Kuten kuvasta näkyy, Data Type of Date -sarake oli objekti, mutta to_datetime()-toiminnon jälkeen se muutettiin päivämäärä-aikaobjektiksi.
Esimerkki 2: Aikamuodon muuntaminen Pandasin avulla
Poikkeus muunnettaessa Aikaobjekti voidaan muuntaa myös tällä menetelmällä. Mutta koska Aika-sarakkeessa päivämäärää ei ole määritetty, joten Pandas laittaa Tämän päivän päivämäärä automaattisesti siinä tapauksessa.
Python 3
# importing pandas package> import> pandas as pd> # making data frame from csv file> data>=> pd.read_csv(>'/content/todatetime.csv'>)> # overwriting data after changing format> data[>'Time'>]>=> pd.to_datetime(data[>'Time'>])> # info of data> data.info()> # display> print>(data.head())> |
int char javaan
>
>
Lähtö:
RangeIndex: 1000 entries, 0 to 999 Data columns (total 2 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 Date 1000 non-null object 1 Time 1000 non-null datetime64[ns] dtypes: datetime64[ns](1), object(1) memory usage: 15.8+ KB Date Time 0 8/6/1993 2023-10-12 12:42:00 1 3/31/1996 2023-10-12 06:53:00 2 4/23/1993 2023-10-12 11:17:00 3 3/4/2005 2023-10-12 13:00:00 4 1/24/1998 2023-10-12 16:47:00>
Kuten tulosteessa näkyy, päivämäärä (2018-07-07), joka on Tänään päivämäärä, on jo lisätty Date time -objektiin.