In [1]: import dateparser
dateparser.parse('11 Janvier 2016 à 10:50')
Out[1]: datetime.datetime(2016, 1, 11, 10, 50)
继续分析这个test_dates.csv文件:
^{pr2}$
实际上,您可以使用dateparser.parse作为解析器:
In [2]: df = pd.read_csv('test_dates.csv',
parse_dates=['Date'], date_parser=dateparser.parse)
print(df)
Out [2]:
Date Value
0 1983-01-07 10
1 1986-12-21 21
2 2016-01-01 12
显然,如果需要在加载数据帧后执行此操作,则始终可以使用apply或map:
# Using apply (6.22 ms per loop)
df.Date = df.Date.apply(lambda x: dateparser.parse(x))
# Or map which is slightly slower (7.75 ms per loop)
df.Date = df.Date.map(dateparser.parse)
有一个名为dateparser的模块,它能够处理多种语言,包括法语、俄语、西班牙语、荷兰语和20多种语言。它还可以识别时区缩写等信息
让我们确认一下它对一次约会有效:
继续分析这个
^{pr2}$test_dates.csv
文件:实际上,您可以使用
dateparser.parse
作为解析器:显然,如果需要在加载数据帧后执行此操作,则始终可以使用apply或map:
相关问题 更多 >
编程相关推荐