日期时间转换 - 如何提取推断的格式？

Question

这是一个日期时间值数组：

array = np.array(['2016-05-01T00:00:59.3+10:00', '2016-05-01T00:02:59.4+10:00',
                  '2016-05-01T00:03:59.4+10:00', '2016-05-01T00:13:00.1+10:00',
                  '2016-05-01T00:22:00.5+10:00', '2016-05-01T00:31:01.1+10:00'],
        dtype=object)

pd.to_datetime

非常擅长推断日期时间格式。

array = pd.to_datetime(array)

print(array)
DatetimeIndex(['2016-04-30 14:00:59.300000', '2016-04-30 14:02:59.400000',
               '2016-04-30 14:03:59.400000', '2016-04-30 14:13:00.100000',
               '2016-04-30 14:22:00.500000', '2016-04-30 14:31:01.100000'],
              dtype='datetime64[ns]', freq=None)

如何动态找出推断出的日期时间格式

pd.to_datetime

？类似于：

%Y-%m-%dT...

（抱歉，我的日期时间 foo 真的很糟糕）。

Answer 1

我认为在 pandas 中不可能完全做到这一点。

正如其他评论和答案中提到的，内部函数

_guess_datetime_format

接近您所要求的，但它对构成可猜测格式的内容有严格的标准，因此它仅适用于有限类别的日期时间字符串.

这些标准在

这些行

的_guess_datetime_format函数中列出，您还可以在test_parsing脚本中看到一些好格式和坏格式的示例。

一些要点是：

• 年、月、日必须均存在且可识别
• 年份必须有四位数字
• 如果使用微秒，则必须使用六位数字
• 您无法指定时区

这意味着它无法猜测问题中日期时间字符串的格式，尽管它们是有效的 ISO 8601 格式：

>>> from pandas.core.tools.datetimes import _guess_datetime_format_for_array
>>> array = np.array(['2016-05-01T00:00:59.3+10:00'])
>>> _guess_datetime_format_for_array(array)
# returns None

在这种情况下，删除时区并将微秒填充到六位数字足以使 pandas 识别格式：

>>> array = np.array(['2016-05-01T00:00:59.300000']) # six digits, no tz
>>> _guess_datetime_format_for_array(array)
'%Y-%m-%dT%H:%M:%S.%f'

这可能已经是最好的了。

如果不要求

pd.to_datetime

推断数组的格式，或者给出要尝试的格式字符串，它只会尝试单独解析每个字符串并希望成功。至关重要的是，它不需要提前推断格式来执行此操作。

首先，pandas 解析字符串，假设它是（大约）ISO 8601 格式。这从调用

_string_to_dts

开始，最终到达执行艰苦工作的低级

parse_iso_8601_datetime

函数。

您可以使用

_test_parse_iso8601

函数检查您的字符串是否能够以这种方式解析。例如：

from pandas._libs.tslib import _test_parse_iso8601

def is_iso8601(string):
    try:
        _test_parse_iso8601(string)
        return True
    except ValueError:
        return False

您给出的数组中的日期被识别为以下格式：

>>> is_iso8601('2016-05-01T00:00:59.3+10:00')
True

但这并不能满足问题的要求，而且我没有看到任何现实的方法来恢复

parse_iso_8601_datetime

函数识别的确切格式。

如果将字符串解析为 ISO 8601 格式失败，pandas 会回退到使用第三方 dateutil 库中的

parse()

函数（由

parse_datetime_string

调用）。这提供了极高的解析灵活性，但同样，我不知道有什么好方法可以从此函数中提取可识别的日期时间格式。

如果这两个解析器的both失败，pandas要么引发错误，忽略字符串，要么默认为

NaT

（取决于用户指定的内容）。不再尝试解析字符串或猜测字符串的格式。

Answer 2

DateInfer (PyDateInfer) 库允许根据可用日期的顺序推断日期：

github.com/wdm0006/dateinfer

文档中的用法：

>>> import dateinfer
>>> dateinfer.infer(['Mon Jan 13 09:52:52 MST 2014', 'Tue Jan 21 15:30:00 EST 2014'])
'%a %b %d %H:%M:%S %Z %Y'
>>>

免责声明：我使用过这个库，然后为这个库做出了贡献

Answer 3

您可以使用

_guess_datetime_format

中的

core.tools

来获取格式。即

from pandas.core.tools import datetimes as tools
tools._guess_datetime_format(pd.to_datetime(array).format()[0][:10])

输出：

'%Y-%m-%d'

要了解有关此方法的更多信息，您可以查看此处。希望能帮助到你。