【Python杂事】处理Excel中日期时间之间没有空格问题

news2024/9/25 8:29:28

  在我们的日常工作中，常常需要处理各种各样的数据，其中不乏包含日期和时间信息的数据。
  有时候我们会发现这些数据中日期和时间之间没有空格，比如"2023/3/412:20:9"；
  这样的数据让人感觉很别扭，还不利用后续数据的统计。那么，我们该怎么处理这个问题呢？

一、数据源要求

有什么菜才能做什么饭。要先分析原材料成分，我现在拿到的数据格式是如下：
在这里插入图片描述

从上到下日期时间是递增的；
时间格式是：0:00:00类型的；

二、逻辑思路

1、ROI区域

年月日中的日与时分秒中的时之间；YYYY/MM/DD HH:mm:ss(红色区域)

2、对ROI区域进行判定

依出现的字符个数进行判定：

若ROI区域包含空格，则不进行处理，比如：“4 4”、“12 3”；
有4个和有2个个字符的，只能是日和时各占一半，比如：“1313”、“12”；
有三个字符的，比较复杂：
3.1. 前两个字符必须小于32，后两个字符必须时小于24，比如：“414”、“152”；
3.2. 对于三个字符中间存在0，则把前两个按照日来算，比如：“102”、“203”；
3.3 对其他的三个字符无法判定的，我们需要引入一个全局变量sign，来存储最近的一个正确格式的日期，无法判定的日期就可以根据全局变量sign的日的位数，进行判定；

三、代码实现

import pandas as pd
import re,os
# 导入文件
df = pd.read_excel(r'/Users/chaizhiying/Downloads/处理日期时间空格缺失问题.xlsx',sheet_name=0)
df = df[df['日期'].notna()]
dat = [item.replace('/','-').replace('：',':') for item in df['日期'].astype('str').tolist()]
# 主要的处理逻辑函数
sign = ''
def Return_rule(wait_task):
    global sign
    if ' ' in wait_task:
        handle_wait_task = wait_task
    elif len(wait_task) == 2 or len(wait_task) == 4:
        handle_wait_task = str(int(wait_task[:len(wait_task)//2])) + ' ' + wait_task[len(wait_task)//2:]
    elif len(wait_task) == 3:
        if int(wait_task[:2]) > 31:
            handle_wait_task = wait_task[:1] + ' ' + wait_task[1:]
        elif int(wait_task[1:]) > 24:
            handle_wait_task = wait_task[:2] + ' ' + wait_task[2:]
        else:
            if wait_task[1] == '0':
                handle_wait_task = wait_task[:2] + ' ' + wait_task[2:]
            else:
                le = len(sign.split(' ')[0])
                handle_wait_task = wait_task[:le] + ' ' + wait_task[le:]
    sign = handle_wait_task
    return handle_wait_task

ls = []
for i in dat:
    wait_tas = re.findall(r'-.*-(.*?):',i,re.S)[0]
    handle_wait_task = Return_rule(wait_tas)
    result = i.split(wait_tas)[0] + handle_wait_task + i.split(wait_tas)[1]
    ls.append(result)
df['日期_处理后'] = ls
df.to_excel(r'/Users/chaizhiying/Downloads/处理日期时间空格缺失问题_c.xlsx')