热文:Pandas如何将Timestamp转为datetime类型
目录
将Timestamp转为datetime类型pandas生成时间索引Timestamp与datetimepandas从Timestamp中提取小时分钟等假设数据为将Timestamp转为datetime类型
在Pandas中我们在处理时间序列的时候常用的方法有:
【资料图】
pd.to_datetime()
pd.date_range()
pandas生成时间索引
# pd.date_range() index = pd.date_range("20210101",periods=20) index Out[29]: DatetimeIndex(["2021-01-01", "2021-01-02", "2021-01-03", "2021-01-04", "2021-01-05", "2021-01-06", "2021-01-07", "2021-01-08", "2021-01-09", "2021-01-10", "2021-01-11", "2021-01-12", "2021-01-13", "2021-01-14", "2021-01-15", "2021-01-16", "2021-01-17", "2021-01-18", "2021-01-19", "2021-01-20"], dtype="datetime64[ns]", freq="D") # pd.to_datetime() df = pd.DataFrame(data=range(20210101,20210128),columns=["period"]) df["aa"] = pd.to_datetime(df["period"],format="%Y%m%d") df Out[24]: period aa 0 20210101 2021-01-01 1 20210102 2021-01-02 2 20210103 2021-01-03 3 20210104 2021-01-04 4 20210105 2021-01-05 5 20210106 2021-01-06 6 20210107 2021-01-07 7 20210108 2021-01-08 8 20210109 2021-01-09 9 20210110 2021-01-10 10 20210111 2021-01-11 11 20210112 2021-01-12 12 20210113 2021-01-13 13 20210114 2021-01-14 14 20210115 2021-01-15 15 20210116 2021-01-16 16 20210117 2021-01-17 17 20210118 2021-01-18 18 20210119 2021-01-19 19 20210120 2021-01-20 20 20210121 2021-01-21 21 20210122 2021-01-22 22 20210123 2021-01-23 23 20210124 2021-01-24 24 20210125 2021-01-25 25 20210126 2021-01-26 26 20210127 2021-01-27 index[1] Out[30]: Timestamp("2021-01-02 00:00:00", freq="D") df["aa"][1] Out[31]: Timestamp("2021-01-02 00:00:00") df["aa"][1] == index[1] Out[32]: True type(df["aa"][1]) Out[33]: pandas._libs.tslibs.timestamps.Timestamp type(index[1]) Out[34]: pandas._libs.tslibs.timestamps.Timestamp
Timestamp与datetime
从上面代码可以看出,pandas中的时间格式是pandas._libs.tslibs.timestamps.Timestamp
但是python中常用的时间格式是datetime.datetime
to_pydatetime()
t = datetime(2021,1,2) type(t) Out[54]: datetime.datetime t Out[55]: datetime.datetime(2021, 1, 2, 0, 0) r = (index[1].to_pydatetime()) type(r) Out[57]: datetime.datetime t == r Out[58]: True
将pandas Timestamp 转为 datetime 类型
In [11]: ts = pd.Timestamp("2014-01-23 00:00:00", tz=None) In [12]: ts.to_pydatetime() Out[12]: datetime.datetime(2014, 1, 23, 0, 0)
It"s also available on a DatetimeIndex rng = pd.date_range("1/10/2011", periods=3, freq="D") rng.to_pydatetime() Out[60]: array([datetime.datetime(2011, 1, 10, 0, 0), datetime.datetime(2011, 1, 11, 0, 0), datetime.datetime(2011, 1, 12, 0, 0)], dtype=object)
pandas从Timestamp中提取小时分钟等
官方文档: https://pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html#from-timestamps-to-epoch
最近需要提取某一天的时刻距离0:00的分钟数,找了文档之后想到这样一个办法:
假设数据为
In [64]: stamps = pd.date_range("2012-10-08 18:15:05", periods=4, freq="h") In [65]: stamps Out[65]: DatetimeIndex(["2012-10-08 18:15:05", "2012-10-08 19:15:05", "2012-10-08 20:15:05", "2012-10-08 21:15:05"], dtype="datetime64[ns]", freq="D")
先得到距离1970-01-01的秒数
In [66]: (stamps - pd.Timestamp("1970-01-01")) // pd.Timedelta("1s") Out[66]: Int64Index([1349720105, 1349723705, 1349727305, 1349730905], dtype="int64")
对天取余,得到距离0:00的秒数
In [67]: (stamps - pd.Timestamp("1970-01-01")) // pd.Timedelta("1s") % 86400 Out[67]: Int64Index([65705, 69305, 72905, 76505], dtype="int64")
取距离0:00的分钟数
In [68]: (stamps - pd.Timestamp("1970-01-01")) // pd.Timedelta("1s") % 86400 /60 Out[68]: Int64Index([1095.0833333333333, 1155.0833333333333, 1215.0833333333333, 1275.0833333333333], dtype="float64")
同样的,也可以取小时数
In [69]: (stamps - pd.Timestamp("1970-01-01")) // pd.Timedelta("1s") % 86400 /3600 Out[68]: Int64Index([18.25138888888889, 19.25138888888889, 20.25138888888889, 21.25138888888889], dtype="float64")
取小时整数–当然取小时整数也有别的方法。
In [70]: (stamps - pd.Timestamp("1970-01-01")) // pd.Timedelta("1s") % 86400 //3600 Out[70]: Int64Index([18, 19, 20, 21], dtype="int64")
以上为个人经验,希望能给大家一个参考,也希望大家多多支持脚本之家。
X 关闭
X 关闭
- 1转转集团发布2022年二季度手机行情报告:二手市场“飘香”
- 2充电宝100Wh等于多少毫安?铁路旅客禁止、限制携带和托运物品目录
- 3好消息!京东与腾讯续签三年战略合作协议 加强技术创新与供应链服务
- 4名创优品拟通过香港IPO全球发售4100万股 全球发售所得款项有什么用处?
- 5亚马逊云科技成立量子网络中心致力解决量子计算领域的挑战
- 6京东绿色建材线上平台上线 新增用户70%来自下沉市场
- 7网红淘品牌“七格格”chuu在北京又开一家店 潮人新宠chuu能红多久
- 8市场竞争加剧,有车企因经营不善出现破产、退网、退市
- 9北京市市场监管局为企业纾困减负保护经济韧性
- 10市场监管总局发布限制商品过度包装标准和第1号修改单