تحويل تواريخ وأوقات من سلسلة نصية إلى datetime في Python

لحل مشكلتك، يمكنك استخدام مكتبة pandas في Python لقراءة ملف CSV وتنفيذ العمليات اللازمة لتحويل الأعمدة إلى datetime بالصيغة المطلوبة. فيما يلي الخطوات التفصيلية:

1. استيراد مكتبة pandas.
2. قراءة ملف CSV وتحميل البيانات إلى DataFrame.
3. استخدام دالة الدمج (concatenate) لدمج الأعمدة DATE و TIME.
4. استخدام دالة to_datetime لتحويل الناتج إلى datetime.
5. تنسيق الناتج ليتوافق مع الصيغة المطلوبة.

إليك الكود باللغة العربية:

pythonCopy code
import pandas as pd

# قراءة ملف CSV
df = pd.read_csv('اسم_الملف.csv')

# دمج الأعمدة DATE و TIME
df['DATETIME'] = df['DATE'] + ' ' + df['TIME']

# تحويل الناتج إلى datetime
df['DATETIME'] = pd.to_datetime(df['DATETIME'], format='%d%b%Y %H:%M:%S')

# تنسيق الناتج ليتوافق مع الصيغة المطلوبة
df['DATETIME_FORMATTED'] = df['DATETIME'].dt.strftime('%m/%d/%Y %H:%M:%S')

# عرض النتائج
print(df[['DATE', 'TIME', 'DATETIME_FORMATTED']])

يجب أن تقوم بتغيير “اسم_الملف.csv” إلى مسار ملف CSV الخاص بك. هذا الكود يقرأ الملف وينشئ عمودًا جديدًا يحتوي على النتائج المطلوبة بالتنسيق الصحيح. يمكنك استخدام هذا العمود “DATETIME_FORMATTED” لاستخدام البيانات بالصيغة المطلوبة.

بعد تنفيذ الخطوات المذكورة أعلاه، يمكنك الآن الاعتماد على العمود “DATETIME_FORMATTED” في DataFrame الخاص بك للعمل مع البيانات بالصيغة المطلوبة. هذا العمود الجديد يحتوي على التاريخ والوقت بالتنسيق المطلوب “01/07/2015 0:00:00”.

بعد تنفيذ العملية، يمكنك القيام بالعديد من العمليات على بياناتك الجديدة، مثل تحليل البيانات الزمنية، عمليات التصفية والتجميع، وأكثر من ذلك. على سبيل المثال، يمكنك استخدام البيانات المحولة لرسم الرسوم البيانية التفاعلية باستخدام مكتبة matplotlib أو seaborn في Python، أو حتى تحليل الاتجاهات الزمنية باستخدام مكتبة pandas.

إذا كان لديك استفسارات أو تحتاج إلى دعم إضافي، فلا تتردد في طرحها. هذه الخطوات يمكن أن تساعدك في العمل مع البيانات الزمنية بشكل فعال وفعّال، وتحقيق النتائج المرجوة من تحليلها واستخدامها في تطبيقاتك.