如何以 python pandas 中的日期格式从 csv 中读取数据
how to read data from csv as date format in python pandas
我有以下格式的数据
Month Country BA Total
11/1/2018 CN 3 10
虽然我想要日期格式，但阅读月份作为对象后，
我尝试使用
将其转换为日期时间格式
hs = pd.read_csv('history.csv',parse_dates=['Month']) #this is not solving the issue either
hs['Month'] = pd.to_datetime(hs['Month']) #this throws error
请建议我如何将其读取为日期或将其转换为日期格式
试试这个
from datetime import datetime
dateparse = lambda x: datetime.strptime(x, '%m/%d/%Y')
df = pd.read_csv('history.csv', parse_dates=['Month'], date_parser=dateparse)
尝试这两行中的一个，也许不会出错，您的错误可能基于 day is first or month is first:
df['sale_date'] = pd.to_datetime(df['sale_date'], format='%m/%d/%y')
# or
df['sale_date'] = pd.to_datetime(df['sale_date'], dayfirst=False)
或
df['sale_date'] = pd.to_datetime(df['sale_date'], format='%d/%m/%y')
# or
df['sale_date'] = pd.to_datetime(df['sale_date'], dayfirst=True)
如果文件中的日期少于原始日期，加载没有 parse_dates 的文件通常是个好主意，然后使用 pd.to_datetime() 更好地控制，包括格式和如何处理错误（'raise'、'coerce' 或 'ignore'）。
由于pandas以纳秒分辨率表示时间戳，因此可以使用 64 位整数表示的时间跨度限制为大约 584 年
解决方法：
这会将超出范围的日期强制为 NaT
pd.to_datetime(date_col_to_force, errors = 'coerce')
非常感谢所有的建议，我尝试了最后一个并且它有效，因为我运行时间不够，无法尝试其他建议，一旦有时间一定会尝试。
我有以下格式的数据
Month Country BA Total
11/1/2018 CN 3 10
虽然我想要日期格式，但阅读月份作为对象后， 我尝试使用
将其转换为日期时间格式hs = pd.read_csv('history.csv',parse_dates=['Month']) #this is not solving the issue either
hs['Month'] = pd.to_datetime(hs['Month']) #this throws error
请建议我如何将其读取为日期或将其转换为日期格式
试试这个
from datetime import datetime
dateparse = lambda x: datetime.strptime(x, '%m/%d/%Y')
df = pd.read_csv('history.csv', parse_dates=['Month'], date_parser=dateparse)
尝试这两行中的一个，也许不会出错，您的错误可能基于 day is first or month is first:
df['sale_date'] = pd.to_datetime(df['sale_date'], format='%m/%d/%y')
# or
df['sale_date'] = pd.to_datetime(df['sale_date'], dayfirst=False)
或
df['sale_date'] = pd.to_datetime(df['sale_date'], format='%d/%m/%y')
# or
df['sale_date'] = pd.to_datetime(df['sale_date'], dayfirst=True)
如果文件中的日期少于原始日期，加载没有 parse_dates 的文件通常是个好主意，然后使用 pd.to_datetime() 更好地控制，包括格式和如何处理错误（'raise'、'coerce' 或 'ignore'）。
由于pandas以纳秒分辨率表示时间戳，因此可以使用 64 位整数表示的时间跨度限制为大约 584 年 解决方法：
这会将超出范围的日期强制为 NaT
pd.to_datetime(date_col_to_force, errors = 'coerce')
非常感谢所有的建议，我尝试了最后一个并且它有效，因为我运行时间不够，无法尝试其他建议，一旦有时间一定会尝试。