Zamiana stringu na format datetime (dato-czasowy)
import pandas as pd
data = {'date': ['2023-01-01', '2023-01-02', '2023-01-03'], 'value': [10, 15, 20]}
data_frame = pd.DataFrame(data)
data_frame['date'] = pd.to_datetime(data_frame['date'])
print(data){'date': ['2023-01-01', '2023-01-02', '2023-01-03'], 'value': [10, 15, 20]}Argument errors w funkcji pd.to_datetime kontroluje, jak funkcja ma się zachować, gdy napotka nieprawidłowe dane podczas próby konwersji wartości na obiekty datetime. Możliwe wartości dla errors to:
'raise' (domyślnie): Rzuca wyjątek, jeśli napotka nieprawidłowy format danych.'coerce': Zastępuje nieprawidłowe wartości NaT (Not a Time).'ignore': Zwraca dane wejściowe bez zmian, gdy napotka błąd (opcja wycofana w kolejnych wersjach).Kod do wklejenia do środowiska:
import pandas as pd
data = {'date': ['2023-01-01', 'invalid', '2023-01-03'], 'value': [10, 15, 20]}
data_frame = pd.DataFrame(data)
data_frame['date'] = pd.to_datetime(data_frame['date'], errors='ignore')Argument format w funkcji pandas.to_datetime pozwala określić dokładny format daty i czasu, który ma zostać użyty do parsowania wartości wejściowych. Jest to przydatne, gdy dane wejściowe mają stały, specyficzny format, co może przyspieszyć przetwarzanie i zmniejszyć ryzyko błędnej interpretacji dat.
import pandas as pd
# Przykładowe dane wejściowe z różnymi formatami
data1 = ['01-01-2025', '15-03-2025', '30-12-2025'] # Format: DD-MM-YYYY
data2 = ['2025/01/01', '2025/03/15', '2025/12/30'] # Format: YYYY/MM/DD
# Konwersja z określonym formatem (DD-MM-YYYY)
df1 = pd.DataFrame(data1)
df1[0] = pd.to_datetime(df1[0], format='%d-%m-%Y')
print("Konwersja z formatem '%d-%m-%Y':")
print(df1)
# Konwersja z określonym formatem (YYYY/MM/DD)
df2 = pd.DataFrame(data2)
df2[0] = pd.to_datetime(df2[0], format='%Y/%m/%d')
print("\nKonwersja z formatem '%Y/%m/%d':")
print(df2)Konwersja z formatem '%d-%m-%Y':
0
0 2025-01-01
1 2025-03-15
2 2025-12-30
Konwersja z formatem '%Y/%m/%d':
0
0 2025-01-01
1 2025-03-15
2 2025-12-30| Kod formatu | Opis | Przykład |
|---|---|---|
%Y |
Rok w formacie 4-cyfrowym | 2025 |
%y |
Rok w formacie 2-cyfrowym | 25 |
%m |
Miesiąc (cyfry, 2-cyfrowe) | 01 (styczeń), 12 (grudzień) |
%d |
Dzień miesiąca (2-cyfrowe) | 01, 15, 31 |
%B |
Pełna nazwa miesiąca | January, December |
%b |
Skrót nazwy miesiąca | Jan, Dec |
%A |
Pełna nazwa dnia tygodnia | Monday, Sunday |
%a |
Skrót nazwy dnia tygodnia | Mon, Sun |
%H |
Godzina w formacie 24-godzinnym | 00, 12, 23 |
%I |
Godzina w formacie 12-godzinnym | 01, 11 |
%p |
AM/PM | AM, PM |
%M |
Minuty | 00, 30, 59 |
%S |
Sekundy | 00, 30, 59 |
Polskie nazwy miesięcy w mianowniku lub skrócie:
import locale
import pandas as pd
locale.setlocale(locale.LC_ALL, 'PL')
# locale.setlocale(locale.LC_TIME, 'pl_PL.UTF-8') # Na systemach Linux/Mac
# locale.setlocale(locale.LC_TIME, 'Polish_Poland.1250') # Na Windows
data = ['10 styczeń 2025', '15 grudzień 2025', '5 marzec 2025']
data_frame = pd.DataFrame(data)
data_frame[0] = pd.to_datetime(data_frame[0], format='%d %B %Y')
print(data_frame)
data2 = ['10 sty 2025', '15 gru 2025', '5 mar 2025']
df2 = pd.DataFrame(data2)
df2[0] = pd.to_datetime(df2[0], format='%d %b %Y')
print(df2) 0
0 2025-01-10
1 2025-12-15
2 2025-03-05
0
0 2025-01-10
1 2025-12-15
2 2025-03-05Ćwiczenie: (extime.py)
Załaduj poniższe pliki i przekształć kolumnę z datą:
date_sale.csv
date_temp.csv
Wskazówka:
import pandas as pd
data = pd.read_csv("date_sale.csv", parse_dates=["Sale_Date"], date_format="%d-%m-%Y")