Pandas 解析非英语字符串日期

Question

Pandas 非常擅长解析英文字符串日期：

In [1]: pd.to_datetime("11 January 2014 at 10:50AM")
Out[1]: Timestamp('2014-01-11 10:50:00')

我想知道当字符串采用另一种语言（例如法语）时，是否有一种简单的方法可以使用 pandas 执行相同的操作：

In [2]: pd.to_datetime("11 Janvier 2016 à 10:50")

ValueError：未知的字符串格式

理想情况下，有一种方法可以直接在

pd.read_csv

中完成。

Answer 1

有一个名为 dateparser 的模块，能够处理多种语言，包括法语、俄语、西班牙语、荷兰语等 20 多种语言。它还可以识别时区缩写等内容。

让我们确认它适用于单个日期：

In [1]: import dateparser
        dateparser.parse('11 Janvier 2016 à 10:50')
Out[1]: datetime.datetime(2016, 1, 11, 10, 50)

继续解析这个

test_dates.csv

文件：

               Date  Value
0    7 janvier 1983     10
1  21 décembre 1986     21
2    1 janvier 2016     12

您实际上可以使用

dateparser.parse

作为解析器：

In [2]: df = pd.read_csv('test_dates.csv',
                         parse_dates=['Date'], date_parser=dateparser.parse)
        print(df)

Out [2]:
        Date  Value
0 1983-01-07     10
1 1986-12-21     21
2 2016-01-01     12

---

显然，如果您需要在加载数据框后执行此操作，您可以随时使用 apply 或 map：

# Using apply (6.22 ms per loop)
df.Date = df.Date.apply(lambda x: dateparser.parse(x))

# Or map which is slightly slower (7.75 ms per loop)
df.Date = df.Date.map(dateparser.parse)

Answer 2

如果您设置适当的区域设置并设置解析格式，它也可以正常工作：

import locale
locale.setlocale(locale.LC_ALL, 'fr_FR')

import pandas as pd
pd.to_datetime("11 Janvier 2016 à 10:50", format='%d %B %Y à %H:%M')
# Timestamp('2016-01-11 10:50:00')