Pandas는 CSV 파일에서 날짜 구문 분석을 자동화합니다.

Pandas는 날짜를 포함한 데이터 유형을 자동으로 유추하는 기능을 통해 CSV 파일에서 데이터 검색을 단순화합니다. 그러나 때때로 "2013-6-4"와 같은 특정 날짜 형식을 인식하지 못하는 경우가 있습니다.

해결책: 'parse_dates' 인수 지정

이 문제를 극복하려면 'parse_dates' 인수. 예를 들어 "YYYY-MM-DD" 형식의 날짜가 포함된 열을 'datetime' 객체로 지정하려면 다음을 실행합니다.

df = pandas.read_csv('test.dat', parse_dates=['datetime'], delimiter=r"\s ", names=['col1','col2','col3'])

이것은 관련 열을 'datetime' 객체로 변환합니다.

고급 사용자 정의: 날짜 파서 함수

더 복잡한 날짜 형식의 경우 날짜 파서 기능을 사용하세요. 이는 사용자 정의 구문 분석 논리를 지정하는 데 더 큰 유연성을 부여합니다. 예를 들어 "YYYY-MM-DD HH:MM:SS":

from datetime import datetime
dateparse = lambda x: datetime.strptime(x, '%Y-%m-%d %H:%M:%S')
df = pd.read_csv(infile, parse_dates=['datetime'], date_parser=dateparse)

여러 날짜 관련 열을 단일 '날짜/시간' 열로 병합할 수도 있습니다:

dateparse = lambda x: datetime.strptime(x, '%Y-%m-%d %H:%M:%S')
df = pd.read_csv(infile, parse_dates={'datetime': ['date', 'time']}, date_parser=dateparse)

다양한 날짜/시간 형식을 나타내는 지시어에 대한 'strptime' 문서를 찾아보세요.