Python按日期和时间排序CSV答案

【问题标题】：Python sorting CSV by date and timePython按日期和时间排序CSV
【发布时间】：2019-07-21 12:20:55
【问题描述】：

好的，我有一个格式为 CSV 的文件：

   1 | Thu Oct 04 21:47:53 GMT+01:00 2018 | 35.3254
   2 | Sun Oct 07 09:32:11 GMT+01:00 2018 | 45.7824
   3 | Mon Oct 01 01:00:44 GMT+01:00 2018 | 94.1246

  ...

3023 | Sat Oct 23 01:00:44 GMT+01:00 2018 | 67.2007

我想按日期和时间排序，所以我得到如下内容：

...

456 | Oct 16 23:25:06 | 45.6547
457 | Oct 16 23:29:21 | 64.3453
458 | Oct 16 23:34:17 | 27.6841
459 | Oct 16 23:40:04 | 78.6547
460 | Oct 16 23:44:18 | 11.6547
461 | Oct 16 23:49:22 | 34.6547
462 | Oct 16 23:54:15 | 37.6547
463 | Oct 17 00:00:20 | 68.6547
464 | Oct 17 00:05:06 | 07.6547
465 | Oct 17 00:09:15 | 13.6547
466 | Oct 17 00:14:45 | 37.6547
467 | Oct 17 00:19:26 | 84.6547

...

日期和时间的格式很糟糕，所以我尝试了以下方法：

df = pd.read_csv(file, header=None, engine='c', delimiter=',' )

for index, row in df.iterrows():
    result = sorted(df.iterrows(),key=lambda row: datetime.strptime((str(row[1]))[9:24], "%b %d %H:%M:%S"))

print (result)

（例如 [9:24] 应该允许我拼接字符串以获得 Oct 16 23:29:21）

我收到错误：

ValueError: time data 'ame: 0, dtype: ' does not match format '%b %d %H:%M:%S'

我认为我的问题是我正在正确访问该行，但我似乎无法自行访问日期值（该行的第二个元素），因此排序不起作用。

任何想法将不胜感激！谢谢

【问题讨论】：

标签： python pandas csv sorting

【解决方案1】：

在对数据进行排序之前使用strftime

import pandas as pd

df = pd.DataFrame({'Date': ['Thu Oct 04 21:47:53 GMT+01:00 2018','Sun Oct 07 09:32:11 GMT+01:00 2018']})
df['Clean_Date'] = df.Date.apply(lambda x: pd.to_datetime(x).strftime('%b %d %H:%M:%S'))

print(df)
                             Date       Clean_Date
0  Thu Oct 04 21:47:53 GMT+01:00 2018  Oct 04 21:47:53
1  Sun Oct 07 09:32:11 GMT+01:00 2018  Oct 07 09:32:11

【讨论】：

【解决方案2】：

您可以使用参数 infer_datetime_format。以下示例数据示例：

>> df['date'] = pd.to_datetime(df.date, infer_datetime_format = True)
>> df.sort_values(by = 'date', ascending = True, inplace = True)
>> df.date
2   2018-10-01 02:00:44
0   2018-10-04 22:47:53
1   2018-10-07 10:32:11
3   2018-10-23 02:00:44
Name: date, dtype: datetime64[ns]

来自pandas.to_datetime() 文档：

infer_datetime_format : 布尔值，默认为 False

如果 True 并且没有给出格式，尝试推断日期时间字符串，如果可以推断，切换到更快的方法解析它们。在某些情况下，这可以提高解析速度 ~5-10 倍。

【讨论】：

【解决方案3】：

试试这个日期解析器：

from dateutil.parser import parse
print(parse(timestr=('Thu Oct 04 21:47:53 GMT+01:00 2018'), dayfirst=False,fuzzy_with_tokens=True)[0])

【讨论】：

【解决方案4】：

您可以在读取 csv 时使用parse_dates 转换为日期时间对象。

例如：

import pandas as pd

df = pd.read_csv(filename, names=["Date", "Col"], sep="|", parse_dates=["Date"])
df.sort_values(["Date"], inplace=True)
print(df)

【讨论】：