python - 如何使用 dateutil 解析 0 小时

Question

我正在尝试将包含时间信息(UTC)的数据帧列合并到包含日期时间对象/字符串的单个列中。我的 df 的列是这样的:

YY MM DD HH
98 12 05 11
98 12 05 10

所以，我想要一个包含该时间信息的列。

到目前为止我已经尝试过:

我已合并为一个字符串，以便我可以将它们解析为日期时间对象

from dateutil.parser import parse
d_test = (list(df[0].map(str) + " " + df[1].map(str) + " " + df[2].map(str) 
+ " " + df[3].map(str)))

现在我只需要解析日期字符串列表

parse_d = []
for d in d_test:
    parse_d.append(parse(d))

但这给我带来了“未知字符串错误”。我调查了一下，发现它的出现是因为其中一些日期是这样的:

d_test[5] = '98 12 5 0'

我尝试阅读 dateutil ( https://labix.org/python-dateutil ) 的详细文档，我的理解是我必须制作一个字典，指定时区作为键(在我的例子中为 UTC)，这可能会解决该错误。

tzinfo ={}
parse(d_test[5], tzinfo=tzinfo)

也许，我错过了一些非常基本的东西，但我无法理解如何创建这本字典。

Answer 1

一般来说，如果您知道字符串的格式，则不需要使用dateutil.parser.parse来解析它，因为您可以使用datetime.strptime 带有指定的字符串。

在这种情况下，唯一稍微不幸的是你有 2 位数的年份，其中一些是 2000 年之前的。在这种情况下，我可能会这样做:

cent_21_mask =  df['YY'] < 50
df.loc[:, 'YY'] = df.loc[:, 'YY'] + 1900
df.loc[cent_21_mask, 'YY'] = df.loc[cent_21_mask, 'YY'] + 100

完成此操作后，您可以使用 this question 中的解决方案之一(特别是 this one )将您的各个日期时间列转换为 pandas 时间戳/日期时间。

如果这些是 UTC 格式，则您可以使用 pandas.Series.tz_localize使用 'UTC' 获取时区感知的日期时间。

把它们放在一起:

import pandas as pd

df = pd.DataFrame(
    [[98, 12, 5, 11],
     [98, 12, 5, 10],
     [4, 12, 5, 00]],
     columns=['YY', 'MM', 'DD', 'HH'])

# Convert 2-digit years to 4-digit years
cent_21_mask =  df['YY'] < 50
df.loc[:, 'YY'] = df.loc[:, 'YY'] + 1900
df.loc[cent_21_mask, 'YY'] = df.loc[cent_21_mask, 'YY'] + 100


# Retrieve the date columns and rename them
col_renames = {'YY': 'year', 'MM': 'month', 'DD': 'day', 'HH': 'hour'}
dt_subset = df.loc[:, list(col_renames.keys())].rename(columns=col_renames)
dt_series = pd.to_datetime(dt_subset)

# Convert to UTC
dt_series = dt_series.dt.tz_localize('UTC')

# Result:
# 0   1998-12-05 11:00:00+00:00
# 1   1998-12-05 10:00:00+00:00
# 2   2004-12-05 00:00:00+00:00
# dtype: datetime64[ns, UTC]

此外，澄清有关此声明的两件事:

I've tried reading the detailed documentation of dateutil (https://labix.org/python-dateutil) and what I understood is that I've to make a dictionary specifying the timezone as key (UTC in my case) and that might solve the error.

1. python-dateutil 的正确文档现在是 https://dateutil.readthedocs.io .
2. 如果您使用的是 parse，在您的情况下，没有理由将 UTC 添加到字典中并将其传递给 tzinfos。如果您知道您的日期时间将是幼稚的，但它们代表 UTC 时间，请像平常一样解析它们以获得幼稚的日期时间，然后使用 datetime.replace(dateutil.tz.tzutc()) 来了解日期时间。 tzinfos 字典适用于时区信息实际在字符串中表示的情况。

当表示 UTC 的字符串不包含时区信息时该怎么做的示例:

from dateutil.parser import parse
from dateutil import tz

dt = parse('1998-12-05 11:00')
dt = dt.replace(tzinfo=tz.tzutc())