Python 使用毫秒解析三个字段中的日期
我有一个csv文件,有多列,其中一列是日期,下一列是时间,还有一列是毫秒,如下所示:Python 使用毫秒解析三个字段中的日期,python,pandas,csv,datetime,Python,Pandas,Csv,Datetime,我有一个csv文件,有多列,其中一列是日期,下一列是时间,还有一列是毫秒,如下所示: DATE TIME MSEC 0 13/01/2017 08:49:37 805102 1 13/01/2017 08:49:09 675839 2 13/01/2017 08:39:03 50614 3 13/01/2017 08:38:30 383081 现在我真的印象深刻,我可以使用熊猫组合日期
DATE TIME MSEC
0 13/01/2017 08:49:37 805102
1 13/01/2017 08:49:09 675839
2 13/01/2017 08:39:03 50614
3 13/01/2017 08:38:30 383081
现在我真的印象深刻,我可以使用熊猫组合日期和时间时,阅读csv文件,如
pd.read_csv(r"~/file.csv", parse_dates=[["DATE","TIME"]])
但我似乎无法在毫秒内挤出时间。由于该文件相当大,如果这可以在read_csv中完成,而不是在连续步骤中完成,我将非常感激 更新:读取CSV时动态分析不同列的日期:
In [181]: pd.read_csv(fn,
date_parser=lambda d,t,ms: d + ' ' + t + '.' + ms,
parse_dates={'Timestamp':['DATE','TIME','MSEC']})
Out[181]:
Timestamp
0 2017-01-13 08:49:37.805102
1 2017-01-13 08:49:09.675839
2 2017-01-13 08:39:03.506140
3 2017-01-13 08:38:30.383081
旧答案:
In [186]: df = pd.concat([df] * 10**3, ignore_index=True)
In [187]: df.shape
Out[187]: (4000, 3)
In [188]: df.to_csv(fn, index=False)
In [189]: pd.options.display.max_rows = 6
In [190]: df
Out[190]:
DATE TIME MSEC
0 13/01/2017 08:49:37 805102
1 13/01/2017 08:49:09 675839
2 13/01/2017 08:39:03 50614
... ... ... ...
3997 13/01/2017 08:49:09 675839
3998 13/01/2017 08:39:03 50614
3999 13/01/2017 08:38:30 383081
[4000 rows x 3 columns]
In [191]: %%timeit
...: pd.read_csv(fn,
...: date_parser=lambda d,t,ms: d + ' ' + t + '.' + ms,
...: parse_dates={'Timestamp':['DATE','TIME','MSEC']})
...:
1 loop, best of 3: 3.31 s per loop
In [192]: %%timeit
...: df = pd.read_csv(fn)
...: df['TimeStamp'] = pd.to_datetime(df.pop('DATE') + ' ' +
...: df.pop('TIME') + '.' +
...: df.pop('MSEC').astype(str),
...: format='%d/%m/%Y %H:%M:%S.%f')
...:
10 loops, best of 3: 122 ms per loop
首先按原样阅读您的CSV:
df = pd.read_csv(r"~/file.csv")
In [170]: df
Out[170]:
DATE TIME MSEC
0 13/01/2017 08:49:37 805102
1 13/01/2017 08:49:09 675839
2 13/01/2017 08:39:03 50614
3 13/01/2017 08:38:30 383081
In [171]: df.dtypes
Out[171]:
DATE object
TIME object
MSEC int64
dtype: object
现在我们可以将其转换为:
In [172]: df['TimeStamp'] = pd.to_datetime(df.DATE + ' ' + df.TIME + '.' + df.MSEC.astype(str), format='%d/%m/%Y %H:%M:%S.%f')
In [173]: df
Out[173]:
DATE TIME MSEC TimeStamp
0 13/01/2017 08:49:37 805102 2017-01-13 08:49:37.805102
1 13/01/2017 08:49:09 675839 2017-01-13 08:49:09.675839
2 13/01/2017 08:39:03 50614 2017-01-13 08:39:03.506140
3 13/01/2017 08:38:30 383081 2017-01-13 08:38:30.383081
In [174]: df.dtypes
Out[174]:
DATE object
TIME object
MSEC int64
TimeStamp datetime64[ns]
dtype: object
计时:
In [186]: df = pd.concat([df] * 10**3, ignore_index=True)
In [187]: df.shape
Out[187]: (4000, 3)
In [188]: df.to_csv(fn, index=False)
In [189]: pd.options.display.max_rows = 6
In [190]: df
Out[190]:
DATE TIME MSEC
0 13/01/2017 08:49:37 805102
1 13/01/2017 08:49:09 675839
2 13/01/2017 08:39:03 50614
... ... ... ...
3997 13/01/2017 08:49:09 675839
3998 13/01/2017 08:39:03 50614
3999 13/01/2017 08:38:30 383081
[4000 rows x 3 columns]
In [191]: %%timeit
...: pd.read_csv(fn,
...: date_parser=lambda d,t,ms: d + ' ' + t + '.' + ms,
...: parse_dates={'Timestamp':['DATE','TIME','MSEC']})
...:
1 loop, best of 3: 3.31 s per loop
In [192]: %%timeit
...: df = pd.read_csv(fn)
...: df['TimeStamp'] = pd.to_datetime(df.pop('DATE') + ' ' +
...: df.pop('TIME') + '.' +
...: df.pop('MSEC').astype(str),
...: format='%d/%m/%Y %H:%M:%S.%f')
...:
10 loops, best of 3: 122 ms per loop
结论:对于4000行数据集,按原样读取CSV和从数据帧解析数据快了27倍。非常酷,谢谢——但是在read_CSV中有什么方法可以做到这一点吗?@Magellan88,很可能是的,但我认为与这种方法相比,它会慢一些…@Magellan88,你想在结尾只有一列吗?理想情况下是的,我也想有其他列,但这三列应该是结尾的一列。@Magellan88,不客气。请检查我添加的时间比较。正如我之前所说,旧的答案要快得多……)