Convertendo string em data e hora

Eu tenho uma lista enorme de datas e horários como este:

Jun 1 2005  1:33PM
Aug 28 1999 12:00AM

Vou colocá-los de volta nos campos de data e hora apropriados em um banco de dados, então eu preciso incluí-los em objetos de data e hora reais.

Isso está passando pelo ORM do Django, então não posso usar o SQL para fazer a conversão na inserção.

datetime.strptimeé a principal rotina para analisar seqüências de caracteres em tempos de data. Ele pode lidar com todos os tipos de formatos, com o formato determinado por uma string de formato fornecida:

from datetime import datetime

datetime_object = datetime.strptime('Jun 1 2005  1:33PM', '%b %d %Y %I:%M%p')

O datetimeobjeto resultante é ingênuo ao fuso horário.

Ligações:

• Documentação do Python para strptime: Python 2 , Python 3

• Documentação do Python para strptime/ strftimeformat strings: Python 2 , Python 3

• strftime.org também é uma referência muito boa para strftime

Notas:

• strptime = "tempo de análise da string"
• strftime = "hora do formato da string"
• Pronuncie em voz alta hoje e não será necessário procurá-lo novamente em 6 meses.

Use a biblioteca dateutil de terceiros :

from dateutil import parser
parser.parse("Aug 28 1999 12:00AM")  # datetime.datetime(1999, 8, 28, 0, 0)

Ele pode lidar com a maioria dos formatos de data, incluindo o que você precisa analisar. É mais conveniente do strptimeque pode imaginar o formato correto na maioria das vezes.

É muito útil para escrever testes, onde a legibilidade é mais importante que o desempenho.

Você pode instalá-lo com:

pip install python-dateutil

Confira o tempo de execução no módulo de tempo . É o inverso do tempo de strft .

$ python
>>> import time
>>> my_time = time.strptime('Jun 1 2005  1:33PM', '%b %d %Y %I:%M%p')
time.struct_time(tm_year=2005, tm_mon=6, tm_mday=1,
                 tm_hour=13, tm_min=33, tm_sec=0,
                 tm_wday=2, tm_yday=152, tm_isdst=-1)

timestamp = time.mktime(my_time)
# convert time object to datetime
from datetime import datetime
my_datetime = datetime.fromtimestamp(timestamp)
# convert time object to date
from datetime import date
my_date = date.fromtimestamp(timestamp)

Eu montei um projeto que pode converter algumas expressões realmente legais. Confira timestring .

Aqui estão alguns exemplos abaixo:

>>> import timestring
>>> timestring.Date('monday, aug 15th 2015 at 8:40 pm')
<timestring.Date 2015-08-15 20:40:00 4491909392>
>>> timestring.Date('monday, aug 15th 2015 at 8:40 pm').date
datetime.datetime(2015, 8, 15, 20, 40)
>>> timestring.Range('next week')
<timestring.Range From 03/10/14 00:00:00 to 03/03/14 00:00:00 4496004880>
>>> (timestring.Range('next week').start.date, timestring.Range('next week').end.date)
(datetime.datetime(2014, 3, 10, 0, 0), datetime.datetime(2014, 3, 14, 0, 0))

Lembre-se disso e você não precisou se confundir na conversão de data e hora novamente.

String para objeto datetime = strptime

objeto datetime para outros formatos = strftime

Jun 1 2005 1:33PM

é igual a

%b %d %Y %I:%M%p

% b Mês como nome abreviado da localidade (junho)

% d Dia do mês como um número decimal preenchido com zero (1)

% Y Ano com o século como um número decimal (2015)

% I hora (relógio de 12 horas) como um número decimal preenchido com zero (01)

% M Minuto como um número decimal preenchido com zero (33)

% p O equivalente da localidade de AM ou PM (PM)

então você precisa de tempo de atividade, ou seja, a conversão stringpara

>>> dates = []
>>> dates.append('Jun 1 2005  1:33PM')
>>> dates.append('Aug 28 1999 12:00AM')
>>> from datetime import datetime
>>> for d in dates:
...     date = datetime.strptime(d, '%b %d %Y %I:%M%p')
...     print type(date)
...     print date
... 

Resultado

<type 'datetime.datetime'>
2005-06-01 13:33:00
<type 'datetime.datetime'>
1999-08-28 00:00:00

E se você tiver um formato diferente de datas, poderá usar panda ou dateutil.parse

>>> import dateutil
>>> dates = []
>>> dates.append('12 1 2017')
>>> dates.append('1 1 2017')
>>> dates.append('1 12 2017')
>>> dates.append('June 1 2017 1:30:00AM')
>>> [parser.parse(x) for x in dates]

Resultado

[datetime.datetime(2017, 12, 1, 0, 0), datetime.datetime(2017, 1, 1, 0, 0), datetime.datetime(2017, 1, 12, 0, 0), datetime.datetime(2017, 6, 1, 1, 30)]

No Python> = 3.7.0,

para converter a seqüência AAAA-MM-DD em objeto de data e hora , datetime.fromisoformatpode ser usado.

>>> from datetime import datetime

>>> date_string = "2012-12-12 10:10:10"
>>> print (datetime.fromisoformat(date_string))
>>> 2012-12-12 10:10:10

Muitos carimbos de hora têm um fuso horário implícito. Para garantir que seu código funcione em todos os fusos horários, você deve usar o UTC internamente e anexar um fuso horário sempre que um objeto estranho entrar no sistema.

Python 3.2 ou superior:

>>> datetime.datetime.strptime(
...     "March 5, 2014, 20:13:50", "%B %d, %Y, %H:%M:%S"
... ).replace(tzinfo=datetime.timezone(datetime.timedelta(hours=-3)))

Aqui estão duas soluções usando o Pandas para converter datas formatadas como seqüências de caracteres em objetos datetime.date.

import pandas as pd

dates = ['2015-12-25', '2015-12-26']

# 1) Use a list comprehension.
>>> [d.date() for d in pd.to_datetime(dates)]
[datetime.date(2015, 12, 25), datetime.date(2015, 12, 26)]

# 2) Convert the dates to a DatetimeIndex and extract the python dates.
>>> pd.DatetimeIndex(dates).date.tolist()
[datetime.date(2015, 12, 25), datetime.date(2015, 12, 26)]

Horários

dates = pd.DatetimeIndex(start='2000-1-1', end='2010-1-1', freq='d').date.tolist()

>>> %timeit [d.date() for d in pd.to_datetime(dates)]
# 100 loops, best of 3: 3.11 ms per loop

>>> %timeit pd.DatetimeIndex(dates).date.tolist()
# 100 loops, best of 3: 6.85 ms per loop

E aqui está como converter os exemplos de data e hora originais do OP:

datetimes = ['Jun 1 2005  1:33PM', 'Aug 28 1999 12:00AM']

>>> pd.to_datetime(datetimes).to_pydatetime().tolist()
[datetime.datetime(2005, 6, 1, 13, 33), 
 datetime.datetime(1999, 8, 28, 0, 0)]

Existem muitas opções para converter as seqüências de caracteres em carimbos de data / hora do Pandas to_datetime, portanto verifique os documentos se precisar de algo especial.

Da mesma forma, os carimbos de data e hora têm muitas propriedades e métodos que podem ser acessados, além de.date

Pessoalmente, gosto da solução usando o parsermódulo, que é a segunda resposta a esta pergunta e é bonito, pois você não precisa construir nenhum literal de string para fazê-lo funcionar. MAS , uma desvantagem é que é 90% mais lenta que a resposta aceita strptime.

from dateutil import parser
from datetime import datetime
import timeit

def dt():
    dt = parser.parse("Jun 1 2005  1:33PM")
def strptime():
    datetime_object = datetime.strptime('Jun 1 2005  1:33PM', '%b %d %Y %I:%M%p')

print(timeit.timeit(stmt=dt, number=10**5))
print(timeit.timeit(stmt=strptime, number=10**5))
>10.70296801342902
>1.3627995655316933

Contanto que você não faça isso um milhão de vezes sem parar, ainda acho que o parsermétodo é mais conveniente e manipulará a maioria dos formatos de hora automaticamente.

Algo que não é mencionado aqui e é útil: adicionar um sufixo ao dia. Decotei a lógica do sufixo para que você possa usá-lo para qualquer número que desejar, não apenas para datas.

import time

def num_suffix(n):
    '''
    Returns the suffix for any given int
    '''
    suf = ('th','st', 'nd', 'rd')
    n = abs(n) # wise guy
    tens = int(str(n)[-2:])
    units = n % 10
    if tens > 10 and tens < 20:
        return suf[0] # teens with 'th'
    elif units <= 3:
        return suf[units]
    else:
        return suf[0] # 'th'

def day_suffix(t):
    '''
    Returns the suffix of the given struct_time day
    '''
    return num_suffix(t.tm_mday)

# Examples
print num_suffix(123)
print num_suffix(3431)
print num_suffix(1234)
print ''
print day_suffix(time.strptime("1 Dec 00", "%d %b %y"))
print day_suffix(time.strptime("2 Nov 01", "%d %b %y"))
print day_suffix(time.strptime("3 Oct 02", "%d %b %y"))
print day_suffix(time.strptime("4 Sep 03", "%d %b %y"))
print day_suffix(time.strptime("13 Nov 90", "%d %b %y"))
print day_suffix(time.strptime("14 Oct 10", "%d %b %y"))​​​​​​​

In [34]: import datetime

In [35]: _now = datetime.datetime.now()

In [36]: _now
Out[36]: datetime.datetime(2016, 1, 19, 9, 47, 0, 432000)

In [37]: print _now
2016-01-19 09:47:00.432000

In [38]: _parsed = datetime.datetime.strptime(str(_now),"%Y-%m-%d %H:%M:%S.%f")

In [39]: _parsed
Out[39]: datetime.datetime(2016, 1, 19, 9, 47, 0, 432000)

In [40]: assert _now == _parsed

Exemplo de objeto de data e hora do Django Timezone.

import datetime
from django.utils.timezone import get_current_timezone
tz = get_current_timezone()

format = '%b %d %Y %I:%M%p'
date_object = datetime.datetime.strptime('Jun 1 2005  1:33PM', format)
date_obj = tz.localize(date_object)

Essa conversão é muito importante para Django e Python quando você tem USE_TZ = True:

RuntimeWarning: DateTimeField MyModel.created received a naive datetime (2016-03-04 00:00:00) while time zone support is active.

Crie uma pequena função utilitária como:

def date(datestr="", format="%Y-%m-%d"):
    from datetime import datetime
    if not datestr:
        return datetime.today().date()
    return datetime.strptime(datestr, format).date()

Isso é bastante versátil:

• Se você não passar nenhum argumento, ele retornará a data de hoje.
• Há um formato de data como padrão que você pode substituir.
• Você pode modificá-lo facilmente para retornar um datetime.

Seria útil para converter string em data e hora e também com fuso horário

def convert_string_to_time(date_string, timezone):
    from datetime import datetime
    import pytz
    date_time_obj = datetime.strptime(date_string[:26], '%Y-%m-%d %H:%M:%S.%f')
    date_time_obj_timezone = pytz.timezone(timezone).localize(date_time_obj)

    return date_time_obj_timezone

date = '2018-08-14 13:09:24.543953+00:00'
TIME_ZONE = 'UTC'
date_time_obj_timezone = convert_string_to_time(date, TIME_ZONE)

A seta oferece muitas funções úteis para datas e horas. Esse pedaço de código fornece uma resposta para a pergunta e mostra que a seta também é capaz de formatar datas com facilidade e exibir informações para outros locais.

>>> import arrow
>>> dateStrings = [ 'Jun 1  2005 1:33PM', 'Aug 28 1999 12:00AM' ]
>>> for dateString in dateStrings:
...     dateString
...     arrow.get(dateString.replace('  ',' '), 'MMM D YYYY H:mmA').datetime
...     arrow.get(dateString.replace('  ',' '), 'MMM D YYYY H:mmA').format('ddd, Do MMM YYYY HH:mm')
...     arrow.get(dateString.replace('  ',' '), 'MMM D YYYY H:mmA').humanize(locale='de')
...
'Jun 1  2005 1:33PM'
datetime.datetime(2005, 6, 1, 13, 33, tzinfo=tzutc())
'Wed, 1st Jun 2005 13:33'
'vor 11 Jahren'
'Aug 28 1999 12:00AM'
datetime.datetime(1999, 8, 28, 0, 0, tzinfo=tzutc())
'Sat, 28th Aug 1999 00:00'
'vor 17 Jahren'

Veja http://arrow.readthedocs.io/en/latest/ para mais informações.

Você pode usar easy_date para facilitar:

import date_converter
converted_date = date_converter.string_to_datetime('Jun 1 2005  1:33PM', '%b %d %Y %I:%M%p')

Se você quiser apenas o formato da data, poderá convertê-lo manualmente passando seus campos individuais, como:

>>> import datetime
>>> date = datetime.date(int('2017'),int('12'),int('21'))
>>> date
datetime.date(2017, 12, 21)
>>> type(date)
<type 'datetime.date'>

Você pode passar seus valores de sequência dividida para convertê-lo em tipo de data como:

selected_month_rec = '2017-09-01'
date_formate = datetime.date(int(selected_month_rec.split('-')[0]),int(selected_month_rec.split('-')[1]),int(selected_month_rec.split('-')[2]))

Você receberá o valor resultante no formato da data.

Você também pode conferir dateparser

dateparser fornece módulos para analisar facilmente datas localizadas em quase todos os formatos de string comumente encontrados em páginas da web.

Instalar:

$ pip install dateparser

Acho que é a maneira mais fácil de analisar datas.

A maneira mais direta é usar a dateparser.parsefunção, que envolve a maior parte das funcionalidades do módulo.

Código de amostra:

import dateparser

t1 = 'Jun 1 2005  1:33PM'
t2 = 'Aug 28 1999 12:00AM'

dt1 = dateparser.parse(t1)
dt2 = dateparser.parse(t2)

print(dt1)
print(dt2)

Resultado:

2005-06-01 13:33:00
1999-08-28 00:00:00

Veja minha resposta .

Em dados do mundo real, esse é um problema real: formatos de data múltiplos, incompatíveis, incompletos, inconsistentes e em vários idiomas / região, geralmente misturados livremente em um conjunto de dados. Não é aceitável que o código de produção falhe, muito menos seja feliz como uma raposa.

Precisamos tentar ... capturar vários formatos de data e hora fmt1, fmt2, ..., fmtn e suprimir / manipular as exceções (de strptime()) para todos aqueles que não correspondem (e, em particular, evitam a necessidade de uma escada de tentativa recuada e profunda yukky cláusulas de captura). Da minha solução

def try_strptime(s, fmts=['%d-%b-%y','%m/%d/%Y']):
    for fmt in fmts:
        try:
            return datetime.strptime(s, fmt)
        except:
            continue

    return None # or reraise the ValueError if no format matched, if you prefer

emp = pd.read_csv("C:\\py\\programs\\pandas_2\\pandas\\employees.csv")
emp.info()

mostra a coluna "Data da hora de início" e "Hora do último login" são "object = strings" no quadro de dados

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1000 entries, 0 to 999
Data columns (total 8 columns):
First Name           933 non-null object
Gender               855 non-null object

Start Date           1000 non-null object

Last Login Time      1000 non-null object

Salary               1000 non-null int64
Bonus %              1000 non-null float64
Senior Management    933 non-null object
Team                 957 non-null object
dtypes: float64(1), int64(1), object(6)
memory usage: 62.6+ KB

Ao usar a parse_datesopção read_csvmencionada, você pode converter sua string datetime no formato pandas datetime.

emp = pd.read_csv("C:\\py\\programs\\pandas_2\\pandas\\employees.csv", parse_dates=["Start Date", "Last Login Time"])
emp.info()


<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1000 entries, 0 to 999
Data columns (total 8 columns):
First Name           933 non-null object
Gender               855 non-null object

Start Date           1000 non-null datetime64[ns]
Last Login Time      1000 non-null datetime64[ns]

Salary               1000 non-null int64
Bonus %              1000 non-null float64
Senior Management    933 non-null object
Team                 957 non-null object
dtypes: datetime64[ns](2), float64(1), int64(1), object(4)
memory usage: 62.6+ KB