如何从 CSV 文件中查找最早和最晚日期 [Python]

Question

我的 CSV 文件的排列方式是有一行名为“日期”，在该行下方是包含一百万个日期的巨大列，采用传统格式，如“2015 年 4 月 22 日”和“2014 年 3 月 27 日” ”。

如何编写一个程序来识别 CSV 文件中最早和最晚的日期，同时保持原始格式（月/日/年）？

我试过了

for line in count_dates:
    dates = line.strip().split(sep="/")
    all_dates.append(dates)

print (all_dates)

我试过把“/”去掉，换成一个空格，但是什么都打印不出来。

Answer 1

import pandas as pd
import datetime
df = pd.read_csv('file_name.csv')
df['Dates'] = df['Dates'].apply(lambda v: datetime.datetime.strptime(v, '%m/%d/%Y'))
print df['Dates'].min(), df['Dates'].max()

Answer 2

考虑到您有一个大文件，将其全部读入内存是个坏主意。

逐行读取文件，手动跟踪最早和最晚日期。使用datetime.datetime.strptime将字符串转换为日期（以字符串格式为参数。

import datetime
with open("input.csv") as f:
  f.readline() # get the "Dates" header out of the way
  first = f.readline().strip()
  earliest = datetime.datetime.strptime(first, "%m/%d/%Y")
  latest = datetime.datetime.strptime(first, "%m/%d/%Y")
  for line in f:
    date = datetime.datetime.strptime(line.strip(), "%m/%d/%Y")
    if date < earliest: earliest = date
    if date > latest: latest = date
  print "Earliest date:", earliest
  print "Latest date:", latest

Answer 3

让我们打开 csv 文件，读出所有日期。然后使用strptime 将它们转换为可比较的日期时间对象（现在，我们可以使用max）。最后，让我们打印出最大（最新）的日期

import csv
from datetime import datetime as dt

with open('path/to/file') as infile:
    dt.strftime(max(dt.strptime(row[0], "%m/%d/%Y") \
                    for row in csv.reader(infile)), \
                "%m/%d/%Y")

当然，您可以使用min 来获取最早的日期。但是，这需要两次线性运行，如果您愿意自己做一些繁重的工作，您可以只用一次：

import csv
from datetime import datetime as dt

with open('path/to/file') as infile:
    reader = csv.reader(infile)
    date, *_rest = next(infile)
    date = dt.strptime(date, "%m/%d/%Y")

    for date, *_rest in reader:
        date = dt.strptime(date, "%m/%d/%Y")
        earliest = min(date, earliest)
        latest = max(date, latest)
    print("earliest:", dt.strftime(earliest, "%m/%d/%Y"))
    print("latest:", dt.strftime(latest, "%m/%d/%Y"))

Answer 4

一点 RTFM 答案：以 csv 格式打开文件（请参阅 csv 库），然后逐行迭代将作为日期的字段转换为日期对象（请参阅将字符串转换为日期对象），如果它小于最小值，则将其存储为最小值，类似于最大值，在第一行有一个特殊条件，即日期同时成为最小和最大日期。

或者对于一些矫枉过正的事情，您可以使用 Pandas 将其读入数据框，将特定列指定为日期格式，然后使用 max & min。