主页 / 问题 / 1412499
Accepted
Vasyl Kolomiets
Asked:2022-07-22 15:21:48 +0000 UTC2022-07-22 15:21:48 +0000 UTC

在 Pandas 中处理不同本地化的日期。PyICU 还是“手柄”？

  • 772

使用在线商店时，您必须处理来自不同本地化的数据。它们包含一个对处理很重要的日期。自然，日期格式在不同语言的意义上是不同的——西班牙语、法语、英语、德语等。

这是西班牙语的示例：
“2021 年 9 月 9 日 12:19:03 GMT-7”
“2022 年 2 月 8 日 23:28:33 GMT-8”
“1 年前 2021 00:31:47 GMT-7”

当您尝试在 Pfndas 中使用 pd.to_datetime() 时，您会遇到错误。

pd.to_datetime("1 ago 2021 00:31:47 GMT-7")
    
ParserError: Unknown string format: 1 ago 2021 00:31:47 GMT-7

这里和这里都有关于该主题的解决方案 - 使用PyICU. 但是没有 Windows 的“本机”安装。
同时，我很想用每种语言的“句柄”替换几个月的必要缩写，并pd.to_datetime()在上下文替换后使用它们。然后对于每种语言可以有几个语言环境。西班牙语——墨西哥和西班牙等。

问题 1PyICU ：使用 “手动”替换几个月的缩写有什么好处以及可能出现什么“问题”。通过文件名，我可以理解它是什么语言。

问题 2：也许出现了一些新的模块来解析日期而不需要告诉它语言？

问题3，短）csv ：如果日期中有不同的语言，读取时如何解析日期？

添加。我认为这里给出的解决方案将适合我，并且可以在此处获取带有偏移时钟的所有区域的表。

python

1 个回答

  1. Best Answer

    我决定在一个单独的环境中安装适合我的环境，PyICU-2.9-cp39-cp39-win_amd64.whl取自此处。借用上述来源的代码并吐出时区时间，我得到了一个通用解析器：

    import icu  # PyICU  https://www.lfd.uci.edu/~gohlke/pythonlibs/#pyicu
# import pytz  # $ pip install pytz

def parse_date_tz(date_str: str, locale: str) -> datetime:
    """
    Parse datetime string with locale shortcut specified to naive datetime.

    Parameters
    ----------
    date_str : str
        datetime stamp to be parsed.
        Example: "1 ago 2021 00:31:47 GMT-7"
    locale : str
        Standart locale shortcut.
        Example: 'es_MX'

    Returns
    -------
    datetime.datetime
        parsed naive datetime.


    >>> parse_date_tz("1 ago 2021 00:31:47 GMT-7", 'es_MX')
    >>> datetime.datetime(2021, 8, 1, 0, 31, 47)

    """
    tz = icu.ICUtzinfo.getDefault()  # any ICU timezone will do here
    df = icu.DateFormat.createDateTimeInstance(icu.DateFormat.MEDIUM,
                                               icu.DateFormat.MEDIUM,
                                               icu.Locale(locale))
    df.setTimeZone(tz.timezone)
    ts = df.parse(date_str)  # u'3 févr. 2015 14:26:00 CET'  NOTE: CET is ignored
    naive_dt = datetime.fromtimestamp(ts, tz).replace(tzinfo=None)
    return naive_dt

    好吧，它完全适用于所需的行列，如下所示：

    df_df.loc[:, "fecha/hora"] = df_df["fecha/hora"].apply(parse_date_tz, locale='es_MX')

    由于文件名包含国家/地区缩写，因此不难找到语言环境。比方说“es_MX”或“es_ES”。
    作品。会有问题 - 我会更正答案。)

    添加于 2022.08.06
    到目前为止，一切正常。
    唯一的澄清。conda最好使用参数--no-deps安装。

    • 1

相关问题