如何使用 Pandas 从 Excel 文件列中提取时间数据?
先决条件: Python中的正则表达式
在这些文章中,我们将讨论如何使用 Pandas 从 Excel 文件列中提取时间数据。假设我们的 Excel 文件如下图所示,那么我们必须从 Excel 工作表列中提取时间并将其存储到新的 Dataframe 列中。
要查看 Excel 文件,请单击此处。
方法:
- 导入所需的模块。
- 从 Excel 文件导入数据。
- 为存储提取时间制作一个额外的列。
- 设置检索提取列的索引。
- 定义时间格式的模式(HH:MM:SS)。
- 搜索时间并分配给 Dataframe 中的相应列。
让我们看看分步实施:
步骤 1:导入所需模块并从 Excel 文件中读取数据。
Python3
# importing required module
import pandas as pd;
import re;
# Read excel file and store in to DataFrame
data = pd.read_excel("time_sample_data.xlsx");
print("Original DataFrame")
data
Python3
# Create column for Time
data['New time'] = None
data
Python3
# set index
index_set = data.columns.get_loc('Description')
index_time = data.columns.get_loc('New time')
print(index_set, index_time)
Python3
# define time pattern
time_pattern = r'([0-24]{2}\:[0-60]{2}\:[0-60]{2})'
Python3
# searching the entire DataFrame
# with Time pattern
for row in range(0, len(data)):
time = re.search(time_pattern,
data.iat[row,index_set]).group()
data.iat[row, index_time] = time
print("Final DataFrame")
data
Python3
# importing required module
import pandas as pd;
import re;
data = pd.read_excel("time_sample_data.xlsx");
print("Original DataFrame")
print(data)
# Create column for Date
data['New time']= None
print(data)
# set index
index_set= data.columns.get_loc('Description')
index_time=data.columns.get_loc('New time')
print(index_set,index_time)
# define the time pattern in HH:MM:SS
time_pattern= r'([0-24]{2}\:[0-60]{2}\:[0-60]{2})'
#searching dataframe with time pattern
for row in range(0, len(data)):
time= re.search(time_pattern,data.iat[row,index_set]).group()
data.iat[row,index_time] = time
print("\n Final DataFrame")
data
输出:
第 2 步:创建一个额外的列来存储时间数据。
Python3
# Create column for Time
data['New time'] = None
data
输出:
步骤 3:设置搜索索引
Python3
# set index
index_set = data.columns.get_loc('Description')
index_time = data.columns.get_loc('New time')
print(index_set, index_time)
输出:
1 2
第 4 步:定义时间的正则表达式(regex)。
时间 HH/MM/SS 格式的正则表达式:
[0-24]{2}\:[0-60]{2}\:[0-60]{2}.
Python3
# define time pattern
time_pattern = r'([0-24]{2}\:[0-60]{2}\:[0-60]{2})'
第 5 步:搜索时间并分配给 Dataframe 中的相应列。
为了在字符串中使用正则表达式搜索时间,我们使用re库的re.search()函数。
Python3
# searching the entire DataFrame
# with Time pattern
for row in range(0, len(data)):
time = re.search(time_pattern,
data.iat[row,index_set]).group()
data.iat[row, index_time] = time
print("Final DataFrame")
data
输出:
完整代码:
Python3
# importing required module
import pandas as pd;
import re;
data = pd.read_excel("time_sample_data.xlsx");
print("Original DataFrame")
print(data)
# Create column for Date
data['New time']= None
print(data)
# set index
index_set= data.columns.get_loc('Description')
index_time=data.columns.get_loc('New time')
print(index_set,index_time)
# define the time pattern in HH:MM:SS
time_pattern= r'([0-24]{2}\:[0-60]{2}\:[0-60]{2})'
#searching dataframe with time pattern
for row in range(0, len(data)):
time= re.search(time_pattern,data.iat[row,index_set]).group()
data.iat[row,index_time] = time
print("\n Final DataFrame")
data
输出:
注意:在运行此程序之前,请确保您已经在Python环境中安装了xlrd库。