String in datetime konvertieren

Ich habe eine riesige Liste solcher Datums- und Uhrzeitangaben als Zeichenfolgen:

Jun 1 2005  1:33PM
Aug 28 1999 12:00AM

Ich werde diese zurück in die richtigen Datums- / Uhrzeitfelder in einer Datenbank schieben, damit ich sie in echte Datums- / Uhrzeitobjekte verwandeln kann.

Dies geht durch Djangos ORM, daher kann ich SQL nicht verwenden, um die Konvertierung beim Einfügen durchzuführen.

datetime.strptimeist die Hauptroutine zum Parsen von Zeichenfolgen in Datumsangaben. Es kann alle Arten von Formaten verarbeiten, wobei das Format durch eine von Ihnen angegebene Formatzeichenfolge bestimmt wird:

from datetime import datetime

datetime_object = datetime.strptime('Jun 1 2005  1:33PM', '%b %d %Y %I:%M%p')

Das resultierende datetimeObjekt ist zeitzonen-naiv.

Links:

• Python-Dokumentation für strptime: Python 2 , Python 3

• Python-Dokumentation für strptime/ strftimeformat-Zeichenfolgen: Python 2 , Python 3

• strftime.org ist auch eine wirklich schöne Referenz für strftime

Anmerkungen:

• strptime = "String-Analysezeit"
• strftime = "Zeichenfolgenformatzeit"
• Sprechen Sie es heute laut aus und Sie müssen in 6 Monaten nicht mehr danach suchen.

Verwenden Sie die Dateutil- Bibliothek eines Drittanbieters :

from dateutil import parser
parser.parse("Aug 28 1999 12:00AM")  # datetime.datetime(1999, 8, 28, 0, 0)

Es kann die meisten Datumsformate verarbeiten, einschließlich desjenigen, das Sie analysieren müssen. Es ist bequemer, als strptimees die meiste Zeit das richtige Format erraten kann.

Es ist sehr nützlich zum Schreiben von Tests, bei denen die Lesbarkeit wichtiger ist als die Leistung.

Sie können es installieren mit:

pip install python-dateutil

Schauen Sie sich strptime im Zeitmodul. Es ist die Umkehrung der Zeit .

$ python
>>> import time
>>> my_time = time.strptime('Jun 1 2005  1:33PM', '%b %d %Y %I:%M%p')
time.struct_time(tm_year=2005, tm_mon=6, tm_mday=1,
                 tm_hour=13, tm_min=33, tm_sec=0,
                 tm_wday=2, tm_yday=152, tm_isdst=-1)

timestamp = time.mktime(my_time)
# convert time object to datetime
from datetime import datetime
my_datetime = datetime.fromtimestamp(timestamp)
# convert time object to date
from datetime import date
my_date = date.fromtimestamp(timestamp)

Ich habe ein Projekt zusammengestellt, das einige wirklich nette Ausdrücke konvertieren kann. Überprüfen Sie die Zeitleiste .

Hier einige Beispiele:

>>> import timestring
>>> timestring.Date('monday, aug 15th 2015 at 8:40 pm')
<timestring.Date 2015-08-15 20:40:00 4491909392>
>>> timestring.Date('monday, aug 15th 2015 at 8:40 pm').date
datetime.datetime(2015, 8, 15, 20, 40)
>>> timestring.Range('next week')
<timestring.Range From 03/10/14 00:00:00 to 03/03/14 00:00:00 4496004880>
>>> (timestring.Range('next week').start.date, timestring.Range('next week').end.date)
(datetime.datetime(2014, 3, 10, 0, 0), datetime.datetime(2014, 3, 14, 0, 0))

Denken Sie daran, und Sie mussten bei der Datums- / Uhrzeitkonvertierung nicht erneut verwirrt werden.

Zeichenfolge zum Datum / Uhrzeit-Objekt = strptime

datetime Objekt in anderen Formaten = strftime

Jun 1 2005 1:33PM

ist gleich

%b %d %Y %I:%M%p

% b Monat als abgekürzter Name des Gebietsschemas (Jun)

% d Tag des Monats als null aufgefüllte Dezimalzahl (1)

% Y Jahr mit Jahrhundert als Dezimalzahl (2015)

% I Stunde (12-Stunden-Uhr) als mit Nullen aufgefüllte Dezimalzahl (01)

% M Minute als null aufgefüllte Dezimalzahl (33)

% p Das Gebietsschema entspricht entweder AM oder PM (PM)

Sie benötigen also Strptime, dh Konvertieren stringin

>>> dates = []
>>> dates.append('Jun 1 2005  1:33PM')
>>> dates.append('Aug 28 1999 12:00AM')
>>> from datetime import datetime
>>> for d in dates:
...     date = datetime.strptime(d, '%b %d %Y %I:%M%p')
...     print type(date)
...     print date
... 

Ausgabe

<type 'datetime.datetime'>
2005-06-01 13:33:00
<type 'datetime.datetime'>
1999-08-28 00:00:00

Was ist, wenn Sie ein anderes Datumsformat haben? Sie können panda oder dateutil.parse verwenden

>>> import dateutil
>>> dates = []
>>> dates.append('12 1 2017')
>>> dates.append('1 1 2017')
>>> dates.append('1 12 2017')
>>> dates.append('June 1 2017 1:30:00AM')
>>> [parser.parse(x) for x in dates]

Ausgabe

[datetime.datetime(2017, 12, 1, 0, 0), datetime.datetime(2017, 1, 1, 0, 0), datetime.datetime(2017, 1, 12, 0, 0), datetime.datetime(2017, 6, 1, 1, 30)]

In Python> = 3.7.0,

zu konvertieren YYYY-MM-DD String in Datetime - Objekt , datetime.fromisoformatkönnte verwendet werden.

>>> from datetime import datetime

>>> date_string = "2012-12-12 10:10:10"
>>> print (datetime.fromisoformat(date_string))
>>> 2012-12-12 10:10:10

Viele Zeitstempel haben eine implizite Zeitzone. Um sicherzustellen, dass Ihr Code in jeder Zeitzone funktioniert, sollten Sie UTC intern verwenden und bei jedem Eintritt eines Fremdkörpers in das System eine Zeitzone anhängen.

Python 3.2+:

>>> datetime.datetime.strptime(
...     "March 5, 2014, 20:13:50", "%B %d, %Y, %H:%M:%S"
... ).replace(tzinfo=datetime.timezone(datetime.timedelta(hours=-3)))

Hier sind zwei Lösungen, die Pandas verwenden, um als Zeichenfolgen formatierte Daten in datetime.date-Objekte zu konvertieren.

import pandas as pd

dates = ['2015-12-25', '2015-12-26']

# 1) Use a list comprehension.
>>> [d.date() for d in pd.to_datetime(dates)]
[datetime.date(2015, 12, 25), datetime.date(2015, 12, 26)]

# 2) Convert the dates to a DatetimeIndex and extract the python dates.
>>> pd.DatetimeIndex(dates).date.tolist()
[datetime.date(2015, 12, 25), datetime.date(2015, 12, 26)]

Timings

dates = pd.DatetimeIndex(start='2000-1-1', end='2010-1-1', freq='d').date.tolist()

>>> %timeit [d.date() for d in pd.to_datetime(dates)]
# 100 loops, best of 3: 3.11 ms per loop

>>> %timeit pd.DatetimeIndex(dates).date.tolist()
# 100 loops, best of 3: 6.85 ms per loop

Und so konvertieren Sie die ursprünglichen Beispiele für Datum und Uhrzeit des OP:

datetimes = ['Jun 1 2005  1:33PM', 'Aug 28 1999 12:00AM']

>>> pd.to_datetime(datetimes).to_pydatetime().tolist()
[datetime.datetime(2005, 6, 1, 13, 33), 
 datetime.datetime(1999, 8, 28, 0, 0)]

Es gibt viele Optionen zum Konvertieren von Zeichenfolgen in Pandas-Zeitstempel mit to_datetime. Überprüfen Sie daher die Dokumente, wenn Sie etwas Besonderes benötigen.

Ebenso verfügen Zeitstempel über viele Eigenschaften und Methoden , auf die zusätzlich zugegriffen werden kann.date

Ich persönlich mag die Lösung mit dem parserModul, das die zweite Antwort auf diese Frage ist und wunderschön ist, da Sie keine String-Literale erstellen müssen, damit es funktioniert. ABER ein Nachteil ist, dass es 90% langsamer ist als die akzeptierte Antwort mit strptime.

from dateutil import parser
from datetime import datetime
import timeit

def dt():
    dt = parser.parse("Jun 1 2005  1:33PM")
def strptime():
    datetime_object = datetime.strptime('Jun 1 2005  1:33PM', '%b %d %Y %I:%M%p')

print(timeit.timeit(stmt=dt, number=10**5))
print(timeit.timeit(stmt=strptime, number=10**5))
>10.70296801342902
>1.3627995655316933

Solange Sie dies nicht millionenfach tun , denke ich immer noch, dass die parserMethode bequemer ist und die meisten Zeitformate automatisch verarbeitet.

Etwas, das hier nicht erwähnt wird und nützlich ist: dem Tag ein Suffix hinzufügen. Ich habe die Suffix-Logik entkoppelt, damit Sie sie für eine beliebige Zahl verwenden können, nicht nur für Datumsangaben.

import time

def num_suffix(n):
    '''
    Returns the suffix for any given int
    '''
    suf = ('th','st', 'nd', 'rd')
    n = abs(n) # wise guy
    tens = int(str(n)[-2:])
    units = n % 10
    if tens > 10 and tens < 20:
        return suf[0] # teens with 'th'
    elif units <= 3:
        return suf[units]
    else:
        return suf[0] # 'th'

def day_suffix(t):
    '''
    Returns the suffix of the given struct_time day
    '''
    return num_suffix(t.tm_mday)

# Examples
print num_suffix(123)
print num_suffix(3431)
print num_suffix(1234)
print ''
print day_suffix(time.strptime("1 Dec 00", "%d %b %y"))
print day_suffix(time.strptime("2 Nov 01", "%d %b %y"))
print day_suffix(time.strptime("3 Oct 02", "%d %b %y"))
print day_suffix(time.strptime("4 Sep 03", "%d %b %y"))
print day_suffix(time.strptime("13 Nov 90", "%d %b %y"))
print day_suffix(time.strptime("14 Oct 10", "%d %b %y"))​​​​​​​

In [34]: import datetime

In [35]: _now = datetime.datetime.now()

In [36]: _now
Out[36]: datetime.datetime(2016, 1, 19, 9, 47, 0, 432000)

In [37]: print _now
2016-01-19 09:47:00.432000

In [38]: _parsed = datetime.datetime.strptime(str(_now),"%Y-%m-%d %H:%M:%S.%f")

In [39]: _parsed
Out[39]: datetime.datetime(2016, 1, 19, 9, 47, 0, 432000)

In [40]: assert _now == _parsed

Beispiel für ein Django-Zeitzonen-fähiges Datum / Uhrzeit-Objekt.

import datetime
from django.utils.timezone import get_current_timezone
tz = get_current_timezone()

format = '%b %d %Y %I:%M%p'
date_object = datetime.datetime.strptime('Jun 1 2005  1:33PM', format)
date_obj = tz.localize(date_object)

Diese Konvertierung ist für Django und Python sehr wichtig, wenn Sie USE_TZ = True:

RuntimeWarning: DateTimeField MyModel.created received a naive datetime (2016-03-04 00:00:00) while time zone support is active.

Erstellen Sie eine kleine Dienstprogrammfunktion wie:

def date(datestr="", format="%Y-%m-%d"):
    from datetime import datetime
    if not datestr:
        return datetime.today().date()
    return datetime.strptime(datestr, format).date()

Das ist vielseitig genug:

• Wenn Sie keine Argumente übergeben, wird das heutige Datum zurückgegeben.
• Standardmäßig gibt es ein Datumsformat, das Sie überschreiben können.
• Sie können es leicht ändern, um eine Datums- / Uhrzeitangabe zurückzugeben.

Dies ist hilfreich für die Konvertierung von Zeichenfolgen in datetime und auch in die Zeitzone

def convert_string_to_time(date_string, timezone):
    from datetime import datetime
    import pytz
    date_time_obj = datetime.strptime(date_string[:26], '%Y-%m-%d %H:%M:%S.%f')
    date_time_obj_timezone = pytz.timezone(timezone).localize(date_time_obj)

    return date_time_obj_timezone

date = '2018-08-14 13:09:24.543953+00:00'
TIME_ZONE = 'UTC'
date_time_obj_timezone = convert_string_to_time(date, TIME_ZONE)

Pfeil bietet viele nützliche Funktionen für Datum und Uhrzeit. Dieses Codebit gibt eine Antwort auf die Frage und zeigt, dass der Pfeil auch Daten einfach formatieren und Informationen für andere Gebietsschemas anzeigen kann.

>>> import arrow
>>> dateStrings = [ 'Jun 1  2005 1:33PM', 'Aug 28 1999 12:00AM' ]
>>> for dateString in dateStrings:
...     dateString
...     arrow.get(dateString.replace('  ',' '), 'MMM D YYYY H:mmA').datetime
...     arrow.get(dateString.replace('  ',' '), 'MMM D YYYY H:mmA').format('ddd, Do MMM YYYY HH:mm')
...     arrow.get(dateString.replace('  ',' '), 'MMM D YYYY H:mmA').humanize(locale='de')
...
'Jun 1  2005 1:33PM'
datetime.datetime(2005, 6, 1, 13, 33, tzinfo=tzutc())
'Wed, 1st Jun 2005 13:33'
'vor 11 Jahren'
'Aug 28 1999 12:00AM'
datetime.datetime(1999, 8, 28, 0, 0, tzinfo=tzutc())
'Sat, 28th Aug 1999 00:00'
'vor 17 Jahren'

Weitere Informationen finden Sie unter http://arrow.readthedocs.io/en/latest/ .

Sie können easy_date verwenden , um es einfach zu machen:

import date_converter
converted_date = date_converter.string_to_datetime('Jun 1 2005  1:33PM', '%b %d %Y %I:%M%p')

Wenn Sie nur das Datumsformat möchten, können Sie es manuell konvertieren, indem Sie Ihre einzelnen Felder wie folgt übergeben:

>>> import datetime
>>> date = datetime.date(int('2017'),int('12'),int('21'))
>>> date
datetime.date(2017, 12, 21)
>>> type(date)
<type 'datetime.date'>

Sie können Ihre geteilten Zeichenfolgenwerte übergeben, um sie wie folgt in einen Datumstyp zu konvertieren:

selected_month_rec = '2017-09-01'
date_formate = datetime.date(int(selected_month_rec.split('-')[0]),int(selected_month_rec.split('-')[1]),int(selected_month_rec.split('-')[2]))

Sie erhalten den resultierenden Wert im Datumsformat.

Sie können auch auschecken dateparser

dateparser bietet Module zum einfachen Parsen lokalisierter Daten in nahezu allen auf Webseiten üblichen Zeichenfolgenformaten.

Installieren:

$ pip install dateparser

Ich denke, dies ist der einfachste Weg, um Daten zu analysieren.

Am einfachsten ist es, die dateparser.parseFunktion zu verwenden, die den größten Teil der Funktionalität des Moduls umfasst.

Beispielcode:

import dateparser

t1 = 'Jun 1 2005  1:33PM'
t2 = 'Aug 28 1999 12:00AM'

dt1 = dateparser.parse(t1)
dt2 = dateparser.parse(t2)

print(dt1)
print(dt2)

Ausgabe:

2005-06-01 13:33:00
1999-08-28 00:00:00

Siehe meine Antwort .

In realen Daten ist dies ein echtes Problem: mehrere, nicht übereinstimmende, unvollständige, inkonsistente und mehrsprachige / regionale Datumsformate, die häufig frei in einem Datensatz gemischt werden. Es ist nicht in Ordnung, dass Produktionscode fehlschlägt, geschweige denn wie ein Fuchs ausnahmefreudig wird.

Wir müssen versuchen, ... mehrere Datums- / Uhrzeitformate fmt1, fmt2, ..., fmtn abzufangen und die Ausnahmen (von strptime()) für alle zu unterdrücken / zu behandeln, die nicht übereinstimmen (und insbesondere zu vermeiden, dass eine yukky n-tief eingerückte Versuchsleiter benötigt wird ..catch-Klauseln). Aus meiner Lösung

def try_strptime(s, fmts=['%d-%b-%y','%m/%d/%Y']):
    for fmt in fmts:
        try:
            return datetime.strptime(s, fmt)
        except:
            continue

    return None # or reraise the ValueError if no format matched, if you prefer

emp = pd.read_csv("C:\\py\\programs\\pandas_2\\pandas\\employees.csv")
emp.info()

Es zeigt die Spalte "Startdatum Uhrzeit" und "Letzte Anmeldezeit". Beide sind "Objekt = Zeichenfolgen" im Datenrahmen

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1000 entries, 0 to 999
Data columns (total 8 columns):
First Name           933 non-null object
Gender               855 non-null object

Start Date           1000 non-null object

Last Login Time      1000 non-null object

Salary               1000 non-null int64
Bonus %              1000 non-null float64
Senior Management    933 non-null object
Team                 957 non-null object
dtypes: float64(1), int64(1), object(6)
memory usage: 62.6+ KB

Mit der oben genannten parse_datesOption read_csvkönnen Sie Ihre Zeichenfolge datetime in das pandas datetime-Format konvertieren.

emp = pd.read_csv("C:\\py\\programs\\pandas_2\\pandas\\employees.csv", parse_dates=["Start Date", "Last Login Time"])
emp.info()


<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1000 entries, 0 to 999
Data columns (total 8 columns):
First Name           933 non-null object
Gender               855 non-null object

Start Date           1000 non-null datetime64[ns]
Last Login Time      1000 non-null datetime64[ns]

Salary               1000 non-null int64
Bonus %              1000 non-null float64
Senior Management    933 non-null object
Team                 957 non-null object
dtypes: datetime64[ns](2), float64(1), int64(1), object(4)
memory usage: 62.6+ KB