前言

昨天在網(wǎng)賽中做了一道題，雖然是外國人的Englis題目，但是內(nèi)容很有學(xué)習(xí)的價值，值得仔細(xì)的學(xué)習(xí)，今天就把我所收獲的一部分記錄下來。其一：做個學(xué)習(xí)的資料記錄。其二：分享出來，供大家參考。

（收獲了對處理大數(shù)據(jù)的又一次認(rèn)識?。。。?br />

這是一道將DataFrame的日期數(shù)據(jù)轉(zhuǎn)換為python能認(rèn)識的題目。這里重點(diǎn)講一下to_datetime的部分使用。

首先說一下：

• 1/17/07 has the format "%m/%d/%y"
• 17-1-2007 has the format "%d-%m-%Y"

這是一部分的時間轉(zhuǎn)換格式，通過以上的格式，你可以將DataFrame中的時間格式轉(zhuǎn)換為以下等python格式：

0 2007-03-02
1 2007-03-22
2 2007-04-06
3 2007-04-14
4 2007-04-15
Name: date_parsed, dtype: datetime64[ns]

看見沒有dtype:datetime64，這是轉(zhuǎn)換過后的形式，其實(shí)你可以將原數(shù)據(jù)使用dtype查看列，來看它的格式。你會發(fā)現(xiàn)它是object形式的。這里說一下。這個object格式一般是python用來記錄可變化的兌現(xiàn)的格式。這個格式它并不能認(rèn)出是時間格式，盡管我們一眼就能看出（人和機(jī)器的區(qū)別在此）。

data = pd.read_csv('path') #這里我們得到data數(shù)據(jù)
data['date'].heade() #查看一下日期列的樣子

0 01/02/1965
1 01/04/1965
2 01/05/1965
3 01/08/1965
4 01/09/1965
Name: Date, dtype: object

可以看出它為object格式，并非日期格式。

data['date_parsed'] = pd.to_datetime(data['date'],format="%m/%d/%y")

上面為 我們按python格式轉(zhuǎn)換時間，并添加到新的一列中去。

dara['date_parsed'].head()  #查看一下結(jié)果

0  1965-01-02
1  1965-01-04
2  1965-01-05
3  1965-01-08
4  1965-01-09
 
Name: data_parsed, dtype: datetime64[ns]

可以看到不論形式還是類型都改變了，當(dāng)然這只是一點(diǎn)皮毛，如果只是這里點(diǎn)，這個博客意義不大

其實(shí)在使用上面語句轉(zhuǎn)換時間是，并不是這么順利：

/opt/conda/lib/python3.6/site-packages/pandas/core/tools/datetimes.py in _convert_listlike(arg, box, format, name, tz)
  271           try:
  272             result = array_strptime(arg, format, exact=exact,
--> 273                         errors=errors)
  274           except tslib.OutOfBoundsDatetime:
  275             if errors == 'raise':
 
pandas/_libs/tslibs/strptime.pyx in pandas._libs.tslibs.strptime.array_strptime()
 
ValueError: time data '1975-02-23T02:58:41.000Z' does not match format '%m/%d/%Y' (match)

一部分錯誤信息如上。

面對加載都要加載半天的數(shù)據(jù)出了錯誤，你真的是無助的，如果要去看數(shù)據(jù)怕是要看一天。

當(dāng)然有人會說不是有錯誤信息嗎？當(dāng)然我知道，但是一但當(dāng)信息量大了以后，當(dāng)時是茫然的?；税胩觳檎移渌麜r間的轉(zhuǎn)換方式。無果。于是靜下心來發(fā)現(xiàn)問題?？梢钥闯鏊f有一下格式不能轉(zhuǎn)換。

'1975-02-23T02:58:41.000Z'

所以我又換了一種格式將時分秒都匹配了，又提醒年月日不匹配。反復(fù)的驗(yàn)證后發(fā)現(xiàn)應(yīng)該是原數(shù)據(jù)有問題，部分時間并不是同意的格式。哈哈發(fā)現(xiàn)問題了，我們可以修改了。

我第一次的修改方式為：

data['over_long'] = data['Date'].apply(len)  #添加一列記錄沒行時間的長度
data.loc[data['over_long'] > 10]  #輸出大于正常數(shù)據(jù)的行  這里會發(fā)現(xiàn)缺失有那么幾行在作怪?。?！

normal_dates = data.loc[data['over_long'] < 11]  #篩選出正常數(shù)據(jù)
normal_dates = normal_dates.copy()    #拷貝
normal_dates['data_parsed'] = pd.to_datetime(normal_dates['Date'],format='%m/%d/%Y')  #再次轉(zhuǎn)換時間，發(fā)現(xiàn)沒有報(bào)錯了 哈哈
normal_dates['data_parsed'].head(10)  #輸出查看沒問題的

以上是我的第一次解決方法。

后續(xù)在別人的指導(dǎo)下了解了其他的幾種更好的方法。（畢竟我刪除數(shù)據(jù)的方式不好）

第一種和第二種：

data['date_parsed'] = pd.to_datetime(data['Date'], format = "%m/%d/%Y", errors = 'coerce')

data['date_parsed'] = pd.to_datetime(data['Date'],infer_datetime_format=True)

兩個都能實(shí)現(xiàn)我試了一下。畢竟對to_datetime不太熟悉所以犯了錯。

OK！全部完成了。但是我想說的以上都不是最重要的。

最重要的是一種經(jīng)驗(yàn)的掌握。當(dāng)你面對大量的數(shù)據(jù)時千萬不要緊張，它們也是小數(shù)據(jù)構(gòu)成的，只要冷靜下來，你就能想到方法來解決。這才是我想說的?。?！與君共勉。

總結(jié)

以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，謝謝大家對腳本之家的支持。