0

estoy intentando ordenar una columna datetimes que tiene rango entre 2016-01-01 y 2019-02-14. La columna la extraigo desde un dataframe que descargue de aquí (Datos). Uno de los problemas que encontré es que las fechas no tienen un formato uniforme entonces cargue el CSV como:

DATA=pd.read_csv('carpetas-de-investigacion-pgj- 
cdmx.csv',sep=';',parse_dates=['Fecha inicio'])

Posteriormente separo la columna "Fecha inicio" y quito el tiempo para quedarme solo con las fechas:

tm=DATA[['Fecha inicio']]
tm['Fecha inicio']=tm['Fecha inicio'].dt.date
tm['Fecha inicio']=pd.to_datetime(tm['Fecha inicio'])

si hago solo eso obtengo el rango de fechas que va desde "2016-05-01 : 2019-02-14" pero el rango inicia en "2016-01-01" así que ordeno los datos usando

tm.sort_values('Fecha inicio')

pero al hacer eso obtengo "2016-01-01 : 2019-12-02" donde efectivamente empieza en "2016-01-01" pero no finaliza en 2019-12-02 sino en "2019-02-14". También me di cuenta que esto me genera problemas con al aplicar resample porque al hacerlo es como si tuviera datos hasta el "2019-12-02(02/Dic/2019)" lo cual no es posible porque los datos llegan solo hasta el 14 de Febrero de 2019. Muestro a continuación el código cuando hago un re-muestreo y su plot respectivo:

df7=DATA.groupby(['Fecha inicio']) 
['Delito'].size().reset_index(name='No delitos').sort_values(by='Fecha 
inicio',ascending=True)

df7.set_index('Fecha inicio',inplace=True)

df7.resample('M').agg({'No delitos':sum}).replace(np.nan,0).plot()

esta es la salida del código anterior

introducir la descripción de la imagen aquí

Me di cuenta que el formato de las fechas del dataframe original no son homogeneas pues a partir de 2019 el formato camabia. Ya intente cambiar los formatos manualmente pero obtengo los mismos resultados. No sé cómo resolverlo. Espero haya sido claro con mi problema y me puedan dar algunas sugerencias de qué podría ser. Gracias de antemano.

1 respuesta 1

1

Pandas puede inferir el formato de fecha, incluso cuando los datos no son homogéneos como es este caso.

Prueba con las siguiente opciones que tiene pd.read_csv:

DATA = pd.read_csv('carpetas-de-investigacion-pgj-cdmx.csv',
                   sep=';',
                   parse_dates=['Fecha inicio'],
                   infer_datetime_format=True,
                   dayfirst=True)

Con infer_datetime_format=True, pandas intentará deducir el formato de la fecha.

Con dayfirst=True, tomará el formato DD/MM/AAAA para la fecha.

1
  • Perfecto, funcionó de maravilla. Llevaba dos días probando y no salía pero nunca pensé en usar tu sugerencia. Ya también al hacer re-muestro funciona perfecto. Muchas gracias. el 20 mar. 2019 a las 0:11

Tu Respuesta

Al pulsar en “Publica tu respuesta”, muestras tu consentimiento a nuestros términos de servicio, política de privacidad y política de cookies

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.