我可以用不同的格式解析日期吗？
问题描述：
我的合作者在其数据中的日期格式不一致。我可以用不同的格式解析日期吗？
0 13/11/2016
1 21/01/2017
2 22/01/2017
3 2017-02-02
4 2016-12-11
5 13/11/2016
6 2016-12-12
7 21/01/2017
8 22/01/2017
9 2017-02-02
我希望能够解析成python分析的时间戳。使用parse_dates = True不起作用，我怀疑这是因为格式混合。
我可以用不同的格式解析日期吗？
答
您可以使用to_datetime：
第一格式（YYYY-MM-DD）：
print (df)
dates
0 13/11/2016
1 21/01/2017
2 22/01/2017
3 2017-02-02
4 2016-12-11
5 13/11/2016
6 2016-12-12
7 21/01/2017
8 22/01/2017
9 2017-02-02
9 2017-02-25 <- YYYY-MM-DD
dates = pd.to_datetime(df.dates)
print (dates)
0 2016-11-13
1 2017-01-21
2 2017-01-22
3 2017-02-02
4 2016-12-11
5 2016-11-13
6 2016-12-12
7 2017-01-21
8 2017-01-22
9 2017-02-02
9 2017-02-25
Name: dates, dtype: datetime64[ns]
第二格式（YYYY-DD-MM）
这是一个有点问题 - 需要参数format和to_datetimeerrors='coerce'，最后combine_first或fillna：
print (df)
dates
0 13/11/2016
1 21/01/2017
2 22/01/2017
3 2017-02-02
4 2016-12-11
5 13/11/2016
6 2016-12-12
7 21/01/2017
8 22/01/2017
9 2017-02-02
9 2017-25-02 <- YYYY-DD-MM
dates1 = pd.to_datetime(df.dates, format='%d/%m/%Y', errors='coerce')
dates2 = pd.to_datetime(df.dates, format='%Y-%d-%m', errors='coerce')
dates = dates1.combine_first(dates2)
#dates = dates1.fillna(dates2)
print (dates)
0 2016-11-13
1 2017-01-21
2 2017-01-22
3 2017-02-02
4 2016-11-12
5 2016-11-13
6 2016-12-12
7 2017-01-21
8 2017-01-22
9 2017-02-02
9 2017-02-25
Name: dates, dtype: datetime64[ns]
使用try-except-ValueError并通过文件中的每种可能的日期时间格式解析行。 –
你的合作者是否同时发送美国和欧洲的日期？如果是这样，你会如何评估'01-02-2017'？是2017年2月1日还是2017年1月2日？ – aydow