Pandas - 在运行时自动检测日期列**

Question

我想知道pandas是否能够自动检测哪些列是datetime对象并以日期而不是字符串的形式读取这些列？

我正在看api和相关的堆栈溢出帖子,但我似乎无法搞清楚.

这是一个黑盒系统,它在生产中接受任意csv架构,所以我不知道列名是什么.

这似乎可以工作但你必须知道哪些列是日期字段:

import pandas as pd

#creating the test data
df = pd.DataFrame({'0': ['a', 'b', 'c'], '1': ['2015-12-27','2015-12-28', '2015-12-29'], '2': [11,12,13]})
df.to_csv('test.csv', index=False)

#loading the test data
df = pd.read_csv('test.csv', parse_dates=True)
print df.dtypes 
# prints (object, object, int64) instead of (object,datetime, int64)

我在想如果它不能这样做,那么我可以写一些东西:

1. 查找具有字符串类型的列.
2. 获取一些唯一值并尝试解析它们.
3. 如果成功,则尝试解析整个列.

编辑. 我写了一个简单的方法convertDateColumns来做到这一点:

import pandas as pd
from dateutil import parser

def convertDateColumns(self, df):
    object_cols = df.columns.values[df.dtypes.values == 'object']
    date_cols = [c for c in object_cols if testIfColumnIsDate(df[c], num_tries=3)]

    for col in date_cols:
        try:
            df[col] = pd.to_datetime(df[col], coerce=True, infer_datetime_format=True)
        except ValueError:
            pass

    return df

def testIfColumnIsDate(series, num_tries=4):
""" Test if a column contains date values.
    This can try a few times for the scenerio where a date column may have
    a couple of null or missing values but we still want to parse when
    possible (and convert those null/missing to NaD values)
"""
    if series.dtype != 'object':
        return False

    vals = set()
    for val in series:
        vals.add(val)
        if len(vals) > num_tries:
            break

    for val in list(vals):
        try:
            if type(val) is int:
                continue

            parser.parse(val)
            return True
        except ValueError:
            pass

    return False

Answer 1

我会使用pd.to_datetime,并捕获不起作用的列的异常.例如:

import pandas as pd

df = pd.read_csv('test.csv')

for col in df.columns:
    if df[col].dtype == 'object':
        try:
            df[col] = pd.to_datetime(df[col])
        except ValueError:
            pass

df.dtypes
# (object, datetime64[ns], int64)

我相信这与你可以获得的这个应用程序一样接近"自动".

Answer 2

您可以for通过使用参数errors='ignore'来摆脱循环以避免修改不需要的值。在下面的代码中，我们to_datetime对所有object列应用转换（忽略错误）——其他列按原样返回。

如果ignore，则无效解析将返回输入

df = df.apply(lambda col: pd.to_datetime(col, errors='ignore') 
              if col.dtypes == object 
              else col, 
              axis=0)

df.dtypes

# 0            object
# 1    datetime64[ns]
# 2             int64