Convertir cadena en fecha y hora

Tengo una gran lista de fechas y fechas como esta:

Jun 1 2005  1:33PM
Aug 28 1999 12:00AM

Voy a volver a insertarlos en los campos de fecha y hora adecuados en una base de datos, así que necesito convertirlos en objetos de fecha y hora reales.

Esto está pasando por el ORM de Django, así que no puedo usar SQL para hacer la conversión en la inserción.

datetime.strptimees la rutina principal para analizar cadenas en fechas y horas. Puede manejar todo tipo de formatos, con el formato determinado por una cadena de formato que le dé:

from datetime import datetime

datetime_object = datetime.strptime('Jun 1 2005  1:33PM', '%b %d %Y %I:%M%p')

La resultante datetime objeto es timezone-ingenuo.

Enlaces:

• Documentación de Python para strptime: Python 2 , Python 3

• Documentación de Python para cadenas de formato strptime/ strftime: Python 2 , Python 3

• strftime.org es también una muy buena referencia para strftime

Notas:

• strptime = "tiempo de análisis de cadena"
• strftime = "hora de formato de cadena"
• Pronuncialo en voz alta hoy y no tendrás que volver a buscarlo en 6 meses.

Utilice la biblioteca de dateutil de terceros :

from dateutil import parser
parser.parse("Aug 28 1999 12:00AM")  # datetime.datetime(1999, 8, 28, 0, 0)

Puede manejar la mayoría de los formatos de fecha, incluido el que necesita analizar. Es más conveniente questrptime ya que puede adivinar el formato correcto la mayor parte del tiempo.

Es muy útil para escribir pruebas, donde la legibilidad es más importante que el rendimiento.

Puedes instalarlo con:

pip install python-dateutil

Echa un vistazo a strptime en el módulo de tiempo . Es el inverso del tiempo de espera .

$ python
>>> import time
>>> my_time = time.strptime('Jun 1 2005  1:33PM', '%b %d %Y %I:%M%p')
time.struct_time(tm_year=2005, tm_mon=6, tm_mday=1,
                 tm_hour=13, tm_min=33, tm_sec=0,
                 tm_wday=2, tm_yday=152, tm_isdst=-1)

timestamp = time.mktime(my_time)
# convert time object to datetime
from datetime import datetime
my_datetime = datetime.fromtimestamp(timestamp)
# convert time object to date
from datetime import date
my_date = date.fromtimestamp(timestamp)

He reunido un proyecto que puede convertir algunas expresiones realmente ordenadas. Echa un vistazo a la cadena de tiempo .

Aquí hay algunos ejemplos a continuación:

>>> import timestring
>>> timestring.Date('monday, aug 15th 2015 at 8:40 pm')
<timestring.Date 2015-08-15 20:40:00 4491909392>
>>> timestring.Date('monday, aug 15th 2015 at 8:40 pm').date
datetime.datetime(2015, 8, 15, 20, 40)
>>> timestring.Range('next week')
<timestring.Range From 03/10/14 00:00:00 to 03/03/14 00:00:00 4496004880>
>>> (timestring.Range('next week').start.date, timestring.Range('next week').end.date)
(datetime.datetime(2014, 3, 10, 0, 0), datetime.datetime(2014, 3, 14, 0, 0))

Recuerde esto y no necesita confundirse en la conversión de fecha y hora nuevamente.

Cadena al objeto datetime = strptime

objeto de fecha y hora a otros formatos = strftime

Jun 1 2005 1:33PM

es igual a

%b %d %Y %I:%M%p

% b Mes como nombre abreviado del entorno local (junio)

% d Día del mes como un número decimal rellenado con ceros (1)

% Y Año con siglo como número decimal (2015)

% I Hour (reloj de 12 horas) como un número decimal con relleno de cero (01)

% M Minuto como un número decimal rellenado con ceros (33)

% p Equivalente de la configuración regional de AM o PM (PM)

entonces necesita strptime, es decir, convertir stringa

>>> dates = []
>>> dates.append('Jun 1 2005  1:33PM')
>>> dates.append('Aug 28 1999 12:00AM')
>>> from datetime import datetime
>>> for d in dates:
...     date = datetime.strptime(d, '%b %d %Y %I:%M%p')
...     print type(date)
...     print date
... 

Salida

<type 'datetime.datetime'>
2005-06-01 13:33:00
<type 'datetime.datetime'>
1999-08-28 00:00:00

¿Qué sucede si tiene un formato diferente de fechas? Puede usar panda o dateutil.parse

>>> import dateutil
>>> dates = []
>>> dates.append('12 1 2017')
>>> dates.append('1 1 2017')
>>> dates.append('1 12 2017')
>>> dates.append('June 1 2017 1:30:00AM')
>>> [parser.parse(x) for x in dates]

Salida

[datetime.datetime(2017, 12, 1, 0, 0), datetime.datetime(2017, 1, 1, 0, 0), datetime.datetime(2017, 1, 12, 0, 0), datetime.datetime(2017, 6, 1, 1, 30)]

En Python> = 3.7.0,

para convertir la cadena AAAA-MM-DD en objeto de fecha y hora , datetime.fromisoformatpodría usarse.

>>> from datetime import datetime

>>> date_string = "2012-12-12 10:10:10"
>>> print (datetime.fromisoformat(date_string))
>>> 2012-12-12 10:10:10

Muchas marcas de tiempo tienen una zona horaria implícita. Para asegurarse de que su código funcionará en cada zona horaria, debe usar UTC internamente y adjuntar una zona horaria cada vez que un objeto extraño ingrese al sistema.

Python 3.2+:

>>> datetime.datetime.strptime(
...     "March 5, 2014, 20:13:50", "%B %d, %Y, %H:%M:%S"
... ).replace(tzinfo=datetime.timezone(datetime.timedelta(hours=-3)))

Aquí hay dos soluciones que usan Pandas para convertir fechas formateadas como cadenas en objetos datetime.date.

import pandas as pd

dates = ['2015-12-25', '2015-12-26']

# 1) Use a list comprehension.
>>> [d.date() for d in pd.to_datetime(dates)]
[datetime.date(2015, 12, 25), datetime.date(2015, 12, 26)]

# 2) Convert the dates to a DatetimeIndex and extract the python dates.
>>> pd.DatetimeIndex(dates).date.tolist()
[datetime.date(2015, 12, 25), datetime.date(2015, 12, 26)]

Tiempos

dates = pd.DatetimeIndex(start='2000-1-1', end='2010-1-1', freq='d').date.tolist()

>>> %timeit [d.date() for d in pd.to_datetime(dates)]
# 100 loops, best of 3: 3.11 ms per loop

>>> %timeit pd.DatetimeIndex(dates).date.tolist()
# 100 loops, best of 3: 6.85 ms per loop

Y aquí está cómo convertir los ejemplos de fecha y hora originales del OP:

datetimes = ['Jun 1 2005  1:33PM', 'Aug 28 1999 12:00AM']

>>> pd.to_datetime(datetimes).to_pydatetime().tolist()
[datetime.datetime(2005, 6, 1, 13, 33), 
 datetime.datetime(1999, 8, 28, 0, 0)]

Hay muchas opciones para convertir de cadenas a marcas de tiempo de Pandas usando to_datetime, así que revise los documentos si necesita algo especial.

Del mismo modo, las marcas de tiempo tienen muchas propiedades y métodos a los que se puede acceder además de.date

Personalmente, me gusta la solución que usa el parsermódulo, que es la segunda respuesta a esta pregunta y es hermosa, ya que no tiene que construir ningún literal de cadena para que funcione. PERO , un inconveniente es que es 90% más lento que la respuesta aceptada strptime.

from dateutil import parser
from datetime import datetime
import timeit

def dt():
    dt = parser.parse("Jun 1 2005  1:33PM")
def strptime():
    datetime_object = datetime.strptime('Jun 1 2005  1:33PM', '%b %d %Y %I:%M%p')

print(timeit.timeit(stmt=dt, number=10**5))
print(timeit.timeit(stmt=strptime, number=10**5))
>10.70296801342902
>1.3627995655316933

Mientras no lo hagas un millón de veces una y otra vez, sigo pensando que el parsermétodo es más conveniente y manejará la mayoría de los formatos de tiempo automáticamente.

Algo que no se menciona aquí y que es útil: agregar un sufijo al día. Desacoplé la lógica del sufijo para que pueda usarla para cualquier número que desee, no solo fechas.

import time

def num_suffix(n):
    '''
    Returns the suffix for any given int
    '''
    suf = ('th','st', 'nd', 'rd')
    n = abs(n) # wise guy
    tens = int(str(n)[-2:])
    units = n % 10
    if tens > 10 and tens < 20:
        return suf[0] # teens with 'th'
    elif units <= 3:
        return suf[units]
    else:
        return suf[0] # 'th'

def day_suffix(t):
    '''
    Returns the suffix of the given struct_time day
    '''
    return num_suffix(t.tm_mday)

# Examples
print num_suffix(123)
print num_suffix(3431)
print num_suffix(1234)
print ''
print day_suffix(time.strptime("1 Dec 00", "%d %b %y"))
print day_suffix(time.strptime("2 Nov 01", "%d %b %y"))
print day_suffix(time.strptime("3 Oct 02", "%d %b %y"))
print day_suffix(time.strptime("4 Sep 03", "%d %b %y"))
print day_suffix(time.strptime("13 Nov 90", "%d %b %y"))
print day_suffix(time.strptime("14 Oct 10", "%d %b %y"))​​​​​​​

In [34]: import datetime

In [35]: _now = datetime.datetime.now()

In [36]: _now
Out[36]: datetime.datetime(2016, 1, 19, 9, 47, 0, 432000)

In [37]: print _now
2016-01-19 09:47:00.432000

In [38]: _parsed = datetime.datetime.strptime(str(_now),"%Y-%m-%d %H:%M:%S.%f")

In [39]: _parsed
Out[39]: datetime.datetime(2016, 1, 19, 9, 47, 0, 432000)

In [40]: assert _now == _parsed

Ejemplo de objeto de fecha y hora consciente de la zona horaria de Django.

import datetime
from django.utils.timezone import get_current_timezone
tz = get_current_timezone()

format = '%b %d %Y %I:%M%p'
date_object = datetime.datetime.strptime('Jun 1 2005  1:33PM', format)
date_obj = tz.localize(date_object)

Esta conversión es muy importante para Django y Python cuando tienes USE_TZ = True:

RuntimeWarning: DateTimeField MyModel.created received a naive datetime (2016-03-04 00:00:00) while time zone support is active.

Cree una pequeña función de utilidad como:

def date(datestr="", format="%Y-%m-%d"):
    from datetime import datetime
    if not datestr:
        return datetime.today().date()
    return datetime.strptime(datestr, format).date()

Esto es lo suficientemente versátil:

• Si no pasa ningún argumento, devolverá la fecha de hoy.
• Hay un formato de fecha predeterminado que puede anular.
• Puede modificarlo fácilmente para devolver una fecha y hora.

Sería útil para convertir cadenas a fecha y hora y también con zona horaria

def convert_string_to_time(date_string, timezone):
    from datetime import datetime
    import pytz
    date_time_obj = datetime.strptime(date_string[:26], '%Y-%m-%d %H:%M:%S.%f')
    date_time_obj_timezone = pytz.timezone(timezone).localize(date_time_obj)

    return date_time_obj_timezone

date = '2018-08-14 13:09:24.543953+00:00'
TIME_ZONE = 'UTC'
date_time_obj_timezone = convert_string_to_time(date, TIME_ZONE)

arrow ofrece muchas funciones útiles para fechas y horas. Este bit de código proporciona una respuesta a la pregunta y muestra que la flecha también es capaz de formatear fechas fácilmente y mostrar información para otras configuraciones regionales.

>>> import arrow
>>> dateStrings = [ 'Jun 1  2005 1:33PM', 'Aug 28 1999 12:00AM' ]
>>> for dateString in dateStrings:
...     dateString
...     arrow.get(dateString.replace('  ',' '), 'MMM D YYYY H:mmA').datetime
...     arrow.get(dateString.replace('  ',' '), 'MMM D YYYY H:mmA').format('ddd, Do MMM YYYY HH:mm')
...     arrow.get(dateString.replace('  ',' '), 'MMM D YYYY H:mmA').humanize(locale='de')
...
'Jun 1  2005 1:33PM'
datetime.datetime(2005, 6, 1, 13, 33, tzinfo=tzutc())
'Wed, 1st Jun 2005 13:33'
'vor 11 Jahren'
'Aug 28 1999 12:00AM'
datetime.datetime(1999, 8, 28, 0, 0, tzinfo=tzutc())
'Sat, 28th Aug 1999 00:00'
'vor 17 Jahren'

Ver http://arrow.readthedocs.io/en/latest/ para más información.

Puede usar easy_date para facilitarlo:

import date_converter
converted_date = date_converter.string_to_datetime('Jun 1 2005  1:33PM', '%b %d %Y %I:%M%p')

Si solo desea el formato de fecha, puede convertirlo manualmente pasando sus campos individuales como:

>>> import datetime
>>> date = datetime.date(int('2017'),int('12'),int('21'))
>>> date
datetime.date(2017, 12, 21)
>>> type(date)
<type 'datetime.date'>

Puede pasar sus valores de cadena dividida para convertirlos en tipo de fecha como:

selected_month_rec = '2017-09-01'
date_formate = datetime.date(int(selected_month_rec.split('-')[0]),int(selected_month_rec.split('-')[1]),int(selected_month_rec.split('-')[2]))

Obtendrá el valor resultante en formato de fecha.

También puedes consultar dateparser

dateparser proporciona módulos para analizar fácilmente fechas localizadas en casi cualquier formato de cadena que se encuentre comúnmente en las páginas web.

Instalar en pc:

$ pip install dateparser

Esta es, creo, la forma más fácil de analizar las fechas.

La forma más directa es utilizar la dateparser.parsefunción, que envuelve la mayor parte de la funcionalidad del módulo.

Código de muestra:

import dateparser

t1 = 'Jun 1 2005  1:33PM'
t2 = 'Aug 28 1999 12:00AM'

dt1 = dateparser.parse(t1)
dt2 = dateparser.parse(t2)

print(dt1)
print(dt2)

Salida:

2005-06-01 13:33:00
1999-08-28 00:00:00

Mira mi respuesta .

En los datos del mundo real, este es un problema real: formatos de fecha múltiples, incompatibles, incompletos, inconsistentes y multilingües / región, a menudo mezclados libremente en un conjunto de datos. No está bien que el código de producción falle, y mucho menos ir feliz como un zorro.

Tenemos que intentar ... capturar múltiples formatos de fecha y hora fmt1, fmt2, ..., fmtn y suprimir / manejar las excepciones (de strptime()) para todos aquellos que no coinciden (y en particular, evitar la necesidad de una escalera de prueba con sangría n-deep yukky) .. cláusulas de captura). De mi solución

def try_strptime(s, fmts=['%d-%b-%y','%m/%d/%Y']):
    for fmt in fmts:
        try:
            return datetime.strptime(s, fmt)
        except:
            continue

    return None # or reraise the ValueError if no format matched, if you prefer

emp = pd.read_csv("C:\\py\\programs\\pandas_2\\pandas\\employees.csv")
emp.info()

muestra la columna "Hora de fecha de inicio" y "Última hora de inicio de sesión", ambas son "objeto = cadenas" en el marco de datos

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1000 entries, 0 to 999
Data columns (total 8 columns):
First Name           933 non-null object
Gender               855 non-null object

Start Date           1000 non-null object

Last Login Time      1000 non-null object

Salary               1000 non-null int64
Bonus %              1000 non-null float64
Senior Management    933 non-null object
Team                 957 non-null object
dtypes: float64(1), int64(1), object(6)
memory usage: 62.6+ KB

Al usar la parse_datesopción read_csvmencionada, puede convertir su cadena de fecha y hora al formato de fecha y hora de pandas.

emp = pd.read_csv("C:\\py\\programs\\pandas_2\\pandas\\employees.csv", parse_dates=["Start Date", "Last Login Time"])
emp.info()


<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1000 entries, 0 to 999
Data columns (total 8 columns):
First Name           933 non-null object
Gender               855 non-null object

Start Date           1000 non-null datetime64[ns]
Last Login Time      1000 non-null datetime64[ns]

Salary               1000 non-null int64
Bonus %              1000 non-null float64
Senior Management    933 non-null object
Team                 957 non-null object
dtypes: datetime64[ns](2), float64(1), int64(1), object(4)
memory usage: 62.6+ KB