Data Science Academy · leksjon

Analyser tekst til datetime-verdier

to_datetime og håndtering av formater.

Leksjon 1 av 413 trinn

Analyser tekst til datetime-verdier er en gratis leksjon i Data Science Academy på CoddyKit. Dette er leksjon 1 av 4. Du kan lese hele leksjonen gratis nedenfor – og deretter øve praktisk i nettleseren med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Den er en del av læringsløpet i Data Science Academy, og fremdriften din synkroniseres mellom nettet og CoddyKit-appen. Kurset i Data Science Academy inneholder totalt 4 leksjoner.

Datoer skjuler seg som tekst

Når du laster inn en CSV-fil, kommer datoer vanligvis inn som vanlige strenger. De ser riktige ut, men pandas behandler dem som tekst, så datoberegninger fungerer ikke ennå. 📅

Her kommer to_datetime

Løsningen er én funksjon: pd.to_datetime. Den går gjennom teksten og gjør hver verdi om til et ekte tidsstempel som pandas kan beregne med.

import pandas as pd
ts = pd.to_datetime("2024-03-15")
print(ts)

Konverter en hel kolonne

Send inn en Series, så får du tilbake en kolonne med tidsstempler. Dette er det vanlige steget rett etter at du har lastet inn en tabell med et datofelt.

df["date"] = pd.to_datetime(df["date"])

Kontroller dtype

Etter konverteringen blir kolonnens dtype datetime64. Denne ene kontrollen forteller deg at tolkningen faktisk fungerte, og at datoberegninger nå er mulig.

print(df["date"].dtype)  # datetime64[ns]

Mange formater, ett kall

to_datetime er smart: den leser ISO-datoer, skråstreker og til og med skrevne månedsnavn automatisk. For ryddige ISO-strenger trenger du sjelden å angi noe mer.

pd.to_datetime(["2024-01-01", "Jan 2, 2024"])

Angi formatet eksplisitt

Når datoer er tvetydige, oppgir du en eksplisitt format-streng. Det fjerner gjettingen og går mye raskere på store kolonner.

pd.to_datetime("15/03/2024", format="%d/%m/%Y")

Datoer med dag først

Er 03/04 mars eller april? Sett dayfirst=True slik at pandas leser dagen før måneden, i tråd med de fleste europeiske datoformater.

pd.to_datetime("03/04/2024", dayfirst=True)

Ugyldige verdier uten krasj

Én uordnet celle kan ødelegge hele tolkningen. Bruk errors="coerce" for å gjøre verdier som ikke kan tolkes, om til NaT i stedet for å utløse en feil.

pd.to_datetime("not-a-date", errors="coerce")  # NaT

Møt NaT

NaT er datetime-versjonen av NaN: et manglende tidsstempel. Du kan finne slike mislykkede tolkninger med isna og avgjøre hvordan de skal håndteres.

df["date"].isna().sum()  # count failed parses

Kombiner dato- og tidsdeler

Har du separate kolonner for dato og klokkeslett? Sett dem sammen til én streng og tolk den deretter. Resultatet blir ett rent tidsstempel.

pd.to_datetime(df["day"] + " " + df["time"])

Tolk ved innlesing

Du kan hoppe over ett trinn ved å tolke datoene under importen. Send inn parse_dates til read_csv, så kommer kolonnen inn som datetime-verdier med én gang.

pd.read_csv("sales.csv", parse_dates=["date"])

Rask sjekk

Datokolonnen inneholder noen få uønskede verdier som du vil beholde som manglende.

Besvar den i den interaktive leksjonen

Oppsummering: Du kan tolke datoer

Du gjorde tekst om til ekte tidsstempler med pd.to_datetime, styrte formater, håndterte ugyldige verdier med coerce og tolket til og med datoer ved innlasting. Datoberegninger er nå innen rekkevidde. 🎉

Gratis å komme i gang

Lær deg Python med en AI-veileder – gratis

Skriv og kjør ekte kode i nettleseren, få umiddelbar hjelp fra en AI-veileder som er tilgjengelig døgnet rundt, og fortsett der du slapp – på nettet eller i appen.

Kurs: 30
Leksjoner: 120

Start læringen gratis Se hele kurset

Ofte stilte spørsmål

Er leksjonen «Analyser tekst til datetime-verdier» gratis?

Ja – hele teksten i «Analyser tekst til datetime-verdier» er gratis å lese her på nettet. For å øve interaktivt med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt, og for å låse opp resten av Data Science Academy-kurset, kan du oppgradere til CoddyKit PRO. Kurset i Data Science Academy inneholder totalt 4 leksjoner.

Hva lærer jeg i «Analyser tekst til datetime-verdier»?

to_datetime og håndtering av formater. Du øver på Data Science Academy med praktisk kode som du kjører direkte i nettleseren, mens en AI-veileder som er tilgjengelig døgnet rundt, svarer på spørsmålene dine mens du jobber deg gjennom leksjonen.

Trenger jeg erfaring for å begynne med Data Science Academy?

Ingen tidligere erfaring er nødvendig. Data Science Academy på CoddyKit er lagt opp for både nybegynnere og viderekomne, så De kan begynne her eller helt fra start og lære i Deres eget tempo. Dette er leksjon 1 av 4.

Hvor lang tid tar leksjonen «Analyser tekst til datetime-verdier»?

De fleste CoddyKit-leksjoner tar omtrent 5–10 minutter. Hver leksjon er kort og interaktiv, slik at De gjør jevne fremskritt og kan fortsette akkurat der De slapp – både på nettet og i appen.

Kan jeg skrive og kjøre kode i denne Data Science Academy-leksjonen?

Ja. Alle Data Science Academy-leksjoner har en innebygd kodeeditor, slik at De kan skrive og kjøre ekte kode direkte i nettleseren og få umiddelbar tilbakemelding fra AI – uten lokal konfigurering.

Alle leksjonene i dette kurset

← Tilbake til Data Science Academy