स्ट्रिंग डेटटाइम्सला पायथन डेटटाइम ऑब्जेक्ट्समध्ये रूपांतरित करणे

Python मध्ये DateTime स्ट्रिंग्स हाताळणे

मोठ्या डेटासेटसह काम करताना, तारांप्रमाणे संग्रहित तारीख आणि वेळ माहिती मिळणे सामान्य आहे. या स्ट्रिंग प्रेझेंटेशनचे Python datetime ऑब्जेक्ट्समध्ये रूपांतर करणे कोणत्याही डेट-टाइम मॅनिपुलेशन किंवा विश्लेषण करण्यासाठी आवश्यक आहे. पायथनच्या अंगभूत लायब्ररी वापरून हे कार्य सोपे आहे, जे तारीख-वेळ स्ट्रिंग्सचे विश्लेषण आणि रूपांतरित करण्याचे कार्यक्षम मार्ग प्रदान करतात.

या लेखात, आम्ही "जून 1 2005 1:33PM" आणि "ऑगस्ट 28 1999 12:00AM" सारख्या तारखांना Python datetime ऑब्जेक्ट्समध्ये कसे रूपांतरित करायचे ते शोधू. तारीख-वेळ डेटा सहजपणे हाताळला जाऊ शकतो आणि विश्लेषित केला जाऊ शकतो हे सुनिश्चित करण्यासाठी ही प्रक्रिया महत्त्वपूर्ण आहे. हे रूपांतरण साध्य करण्यासाठीच्या पद्धती आणि सर्वोत्तम पद्धतींचा विचार करूया.

रूपांतरण प्रक्रिया समजून घेणे

पहिल्या स्क्रिप्टमध्ये, आम्ही पायथनचे अंगभूत वापरतो datetime तारीख-वेळ स्ट्रिंग्स मध्ये रूपांतरित करण्यासाठी मॉड्यूल datetime वस्तू. द datetime.strptime() फंक्शनचा वापर निर्दिष्ट फॉरमॅटवर आधारित स्ट्रिंग पार्स करण्यासाठी केला जातो. येथे, आम्ही स्वरूप परिभाषित करतो "%b %d %Y %I:%M%p", जे दिलेल्या तारीख-वेळ स्ट्रिंगशी संबंधित आहे. द for लूप सूचीतील प्रत्येक तारीख-वेळ स्ट्रिंगवर पुनरावृत्ती करते, त्यास a मध्ये रूपांतरित करते datetime ऑब्जेक्ट, आणि त्यास जोडते datetime_objects यादी हा दृष्टिकोन सरळ आणि अशा परिस्थितींसाठी आदर्श आहे जिथे वाचनीयता आणि साधेपणा सर्वोपरि आहे.

दुसरी स्क्रिप्ट वापरून अधिक संक्षिप्त पद्धत दर्शवते ७ आणि ते map() कार्य येथे, आम्ही एक पास ९ करण्यासाठी कार्य map(), जे लागू होते datetime.strptime() मधील प्रत्येक आयटमला date_strings यादी ही पद्धत कार्यक्षम आहे आणि कोडची शब्दशः कमी करते, संक्षिप्त समाधान शोधत असलेल्या अधिक अनुभवी विकसकांसाठी ती एक उत्कृष्ट निवड बनवते. दोन्ही स्क्रिप्ट समान ध्येय साध्य करतात: तारीख-वेळ स्ट्रिंग्स मध्ये रूपांतरित करणे datetime ऑब्जेक्ट्स, परंतु ते विविध कोडिंग प्राधान्यांसाठी उपयुक्त असलेल्या भिन्न शैली देतात.

डेटटाइम रूपांतरणासाठी पांडा वापरणे

तिसऱ्या स्क्रिप्टमध्ये, आम्ही वापरतो pandas लायब्ररी, जे मोठ्या डेटासेट हाताळण्यासाठी अत्यंत कार्यक्षम आहे. आम्ही तयार करून सुरुवात करतो pandas Series तारीख-वेळ स्ट्रिंगच्या सूचीमधून. द १७ फंक्शन नंतर रूपांतरित करण्यासाठी वापरले जाते Series करण्यासाठी datetime वस्तू. विस्तृत डेटा हाताळताना ही पद्धत विशेषतः शक्तिशाली आहे, जसे pandas डेटा हाताळणी आणि विश्लेषणासाठी असंख्य कार्ये ऑफर करते.

वापरत आहे pandas डेट-टाइम डेटा हाताळण्याची आणि रूपांतरित करण्याची प्रक्रिया सुलभ करते, विशेषत: डेटाफ्रेमसह कार्य करताना. द १७ फंक्शन अष्टपैलू आहे आणि विविध तारीख-वेळ स्वरूप हाताळू शकते, ज्यामुळे ते डेटा वैज्ञानिक आणि विश्लेषकांसाठी एक मजबूत साधन बनते. एकूणच, तीन स्क्रिप्ट तारीख-वेळ स्ट्रिंग्समध्ये रूपांतरित करण्याच्या वेगवेगळ्या पद्धती दर्शवतात datetime Python मधील वस्तू, विविध गरजा आणि कौशल्य पातळी पूर्ण करणे.

from datetime import datetime

date_strings = ["Jun 1 2005 1:33PM", "Aug 28 1999 12:00AM"]
datetime_objects = []

for date_str in date_strings:
    dt_obj = datetime.strptime(date_str, "%b %d %Y %I:%M%p")
    datetime_objects.append(dt_obj)

print(datetime_objects)

१

import pandas as pd

date_strings = ["Jun 1 2005 1:33PM", "Aug 28 1999 12:00AM"]
date_series = pd.Series(date_strings)

datetime_objects = pd.to_datetime(date_series, format="%b %d %Y %I:%M%p")

print(datetime_objects)

पर्यायी तारीख पार्सिंग तंत्र एक्सप्लोर करणे

डेट-टाइम स्ट्रिंग्स डेटटाइम ऑब्जेक्ट्समध्ये रूपांतरित करण्याचा आणखी एक महत्त्वाचा पैलू म्हणजे आपल्या डेटासेटमध्ये दिसू शकणाऱ्या भिन्न तारीख-वेळ स्वरूप हाताळणे. बऱ्याचदा, विविध स्त्रोतांकडील डेटा एकाच स्वरूपनाला अनुरूप नसू शकतो, अधिक लवचिक पार्सिंग पद्धती आवश्यक असतात. अशी एक पद्धत वापरत आहे २४ मॉड्यूल, जे स्वरूप स्पष्टपणे निर्दिष्ट न करता विविध तारीख स्वरूपांचे विश्लेषण करू शकते. वैविध्यपूर्ण किंवा विसंगत डेटा स्रोत हाताळताना हे विशेषतः उपयुक्त ठरू शकते.

वापरून २५ फंक्शन तारीख स्वरूप स्वयंचलितपणे शोधून रूपांतरण प्रक्रिया सुलभ करते. हा दृष्टिकोन पूर्वनिर्धारित फॉरमॅट स्ट्रिंगची गरज कमी करतो आणि संभाव्य त्रुटी कमी करतो. याव्यतिरिक्त, अधिक जटिल डेटासेटसाठी, मजबूत आणि विश्वासार्ह डेटा प्रक्रिया सुनिश्चित करण्यासाठी तुम्ही ही पद्धत त्रुटी हाताळणी तंत्रांसह एकत्र करू शकता. या पर्यायी पार्सिंग तंत्रांचा शोध घेऊन, विकसक अधिक अष्टपैलू आणि लवचिक तारीख-वेळ रूपांतरण स्क्रिप्ट तयार करू शकतात जे डेटा परिस्थितीच्या विस्तृत श्रेणीची पूर्तता करतात.

तारीख-वेळ रूपांतरणावर विचार समारोप

सारांश, Python मधील date-time स्ट्रिंग्स datetime ऑब्जेक्ट्समध्ये रूपांतरित करणे वेगवेगळ्या पद्धती जसे की datetime module, list comprehensions आणि pandas library वापरून कार्यक्षमतेने साध्य करता येते. डेटासेटची जटिलता आणि आकार यावर अवलंबून प्रत्येक पद्धत अद्वितीय फायदे देते. ही तंत्रे समजून घेऊन आणि त्यांचा वापर करून, डेव्हलपर अचूक आणि कार्यक्षम तारीख-वेळ हाताळणी सुनिश्चित करू शकतात, जे डेटा विश्लेषण आणि प्रक्रिया कार्यांसाठी महत्त्वपूर्ण आहे.