स्ट्रिंग को Datetime में पार्स करना
to_datetime और प्रारूप संभालना
स्ट्रिंग को Datetime में पार्स करना, CoddyKit पर Data Science Academy का एक निःशुल्क पाठ है। यह 4 में से 1वाँ पाठ है। आप नीचे पूरा पाठ निःशुल्क पढ़ सकते हैं—फिर अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर के साथ ब्राउज़र में इसका व्यावहारिक अभ्यास कर सकते हैं। यह Data Science Academy सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। Data Science Academy पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
तारीखें पाठ के रूप में छिपी होती हैं
जब आप कोई CSV लोड करते हैं, तो तारीखें आमतौर पर साधारण स्ट्रिंग के रूप में आती हैं। वे सही दिखती हैं, लेकिन pandas उन्हें पाठ मानता है, इसलिए तारीखों पर गणना अभी काम नहीं करेगी। 📅
to_datetime का उपयोग करें
समाधान एक ही फ़ंक्शन है: pd.to_datetime। यह आपके पाठ को पढ़कर हर मान को वास्तविक टाइमस्टैम्प में बदल देता है, जिसके साथ pandas गणना कर सकता है।
import pandas as pd
ts = pd.to_datetime("2024-03-15")
print(ts)पूरा कॉलम बदलें
एक Series देने पर आपको टाइमस्टैम्प वाला कॉलम वापस मिलता है। तारीख वाले फ़ील्ड वाली तालिका लोड करने के तुरंत बाद यही सामान्य कदम होता है।
df["date"] = pd.to_datetime(df["date"])dtype जाँचें
रूपांतरण के बाद कॉलम का dtype datetime64 हो जाता है। यह एक जाँच बताती है कि पार्सिंग सफल रही और अब तारीखों पर गणना की जा सकती है।
print(df["date"].dtype) # datetime64[ns]कई प्रारूप, एक कॉल
to_datetime समझदार है: यह ISO तारीखें, स्लैश वाली तारीखें और लिखे हुए महीनों को भी अपने-आप पढ़ लेता है। सुव्यवस्थित ISO स्ट्रिंग के लिए आपको आमतौर पर और कुछ बताने की आवश्यकता नहीं होती।
pd.to_datetime(["2024-01-01", "Jan 2, 2024"])प्रारूप स्पष्ट रूप से लिखें
जब तारीखें अस्पष्ट हों, तो स्पष्ट format स्ट्रिंग दें। इससे अनुमान समाप्त होता है और बड़े कॉलमों पर प्रक्रिया बहुत तेज़ चलती है।
pd.to_datetime("15/03/2024", format="%d/%m/%Y")दिन पहले वाली तारीखें
03/04 का अर्थ 3 मार्च है या 4 अप्रैल? dayfirst=True सेट करें ताकि pandas महीने से पहले दिन पढ़े, जैसा कि अधिकांश यूरोपीय तारीख शैलियों में होता है।
pd.to_datetime("03/04/2024", dayfirst=True)बिना क्रैश हुए खराब मान सँभालें
एक अव्यवस्थित सेल पूरी पार्सिंग को विफल कर सकता है। अपठनीय मानों को त्रुटि उत्पन्न करने के बजाय NaT में बदलने के लिए errors="coerce" का उपयोग करें।
pd.to_datetime("not-a-date", errors="coerce") # NaTNaT से परिचय
NaT, NaN का datetime रूप है: एक अनुपस्थित टाइमस्टैम्प। आप isna से ऐसी विफल पार्सिंग पहचानकर तय कर सकते हैं कि उन्हें कैसे सँभालना है।
df["date"].isna().sum() # count failed parsesतारीख और समय के हिस्से जोड़ें
क्या आपके पास तारीख और घंटे के अलग-अलग कॉलम हैं? उन्हें एक स्ट्रिंग में जोड़ें और फिर एक बार पार्स करें। अंत में आपके पास एक साफ़ टाइमस्टैम्प होगा।
pd.to_datetime(df["day"] + " " + df["time"])पढ़ते समय ही पार्स करें
आयात के दौरान पार्स करके आप एक चरण बचा सकते हैं। read_csv को parse_dates दें और कॉलम पहले से ही datetime के रूप में आएगा।
pd.read_csv("sales.csv", parse_dates=["date"])त्वरित जाँच
आपके तारीख वाले कॉलम में कुछ ऐसे अनुपयोगी मान हैं जिन्हें आप अनुपस्थित मान के रूप में रखना चाहते हैं।
पुनरावलोकन: अब आप तारीखें पार्स कर सकते हैं
आपने pd.to_datetime से पाठ को वास्तविक टाइमस्टैम्प में बदला, प्रारूप नियंत्रित किए, coerce से खराब मान सँभाले और लोड करते समय भी पार्स किया। अब तारीखों पर गणना आपकी पहुँच में है। 🎉
एआई शिक्षक के साथ Python सीखें — निःशुल्क
अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।
- पाठ्यक्रम
- 30
- पाठ
- 120
अक्सर पूछे जाने वाले प्रश्न
क्या “स्ट्रिंग को Datetime में पार्स करना” पाठ निःशुल्क है?
हाँ—“स्ट्रिंग को Datetime में पार्स करना” का पूरा पाठ यहाँ वेब पर निःशुल्क पढ़ा जा सकता है। इंटरैक्टिव अभ्यास (अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर) करने और Data Science Academy पाठ्यक्रम का बाकी हिस्सा अनलॉक करने के लिए CoddyKit PRO लें। Data Science Academy पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
“स्ट्रिंग को Datetime में पार्स करना” में मैं क्या सीखूँगा?
to_datetime और प्रारूप संभालना आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ Data Science Academy का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।
क्या Data Science Academy शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?
पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर Data Science Academy शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 4 में से 1वाँ पाठ है।
“स्ट्रिंग को Datetime में पार्स करना” पाठ पूरा करने में कितना समय लगता है?
CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।
क्या मैं इस Data Science Academy पाठ में कोड लिख और चला सकता हूँ?
हाँ। हर Data Science Academy पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।
इस पाठ्यक्रम के सभी पाठ
- स्ट्रिंग को Datetime में पार्स करना
- वर्ष, महीना और सप्ताह का दिन निकालना
- दैनिक या मासिक रूप में Resample करना
- समय क्षेत्र और तिथि-सीमाएँ