pandas 阅读日期从csv以yy-mm-dd格式 [英] pandas reading dates from csv in yy-mm-dd format

问题描述

我有一个csv文件，日期格式显示为dd-mmm-yy，我想以yyyy-mm-dd格式读取。 parse dates选项可以工作，但它不能在2000之前转换日期正确
示例：actual date is 01-Aug-1968。显示为01-Aug-68。 Pandas日期parase和更正= true将日期读取为01-Aug-2068。

是否有任何选项以正确的格式读取日期2000。

解决方案

  from dateutil.relativedelta import relativedelta 
 import datetime 
  

让我们假设你有这样的csv：

  mydates 
 18-Aug-68 
 13-Jul-45 
 12-Sep-00 
 20-Jun-10 
 15-Jul-60 
  

定义日期格式

  d = lambda x：pd.datetime.strptime（x，'％d-％b-％y'）
  pre> 
 
 
对它们设置约束
  dateparse = lambda x： d（x）如果d（x） datetime.datetime.now（）else d（x） -  relativedelta（years = 100）
  
 csv：
  df = pd.read_csv（myfile.csv，parse_dates = ['mydates']，date_parser = dateparse） 
  
这里是您的结果：
  print df 
 
 mydates 
 0 1968-08-18 
 1 1945-07-13 
 2 2000-09-12 
 3 2010-06-20 
 4 1960-07-15 
  
Voilà
 
I have a csv files with dates in the format displayed as dd-mmm-yy and i want to read in the format yyyy-mm-dd. parse dates option works but it not converting dates correct before 2000
Example: actual date is 01-Aug-1968. It is displayed as 01-Aug-68. Pandas date parase and correction=true reads the date as 01-Aug-2068.

Is there any option to read the date in pandas in the correct format for the dates before 2000.
解决方案
from dateutil.relativedelta import relativedelta
import datetime
let's assume you have a csv like this:
mydates
18-Aug-68
13-Jul-45
12-Sep-00
20-Jun-10
15-Jul-60
Define your date format
d = lambda x: pd.datetime.strptime(x, '%d-%b-%y')
Put a constraint on them
dateparse = lambda x: d(x) if d(x) < datetime.datetime.now() else d(x) - relativedelta(years=100) 
read your csv:
df = pd.read_csv("myfile.csv", parse_dates=['mydates'], date_parser=dateparse)
here is your result:
print df

     mydates
0 1968-08-18
1 1945-07-13
2 2000-09-12
3 2010-06-20
4 1960-07-15
Voilà

                        
这篇关于 pandas 阅读日期从csv以yy-mm-dd格式的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！