Pandas如何將Timestamp轉(zhuǎn)為datetime類型
更新時(shí)間：2022年07月16日 09:31:47 作者：阿松丶
這篇文章主要介紹了Pandas如何將Timestamp轉(zhuǎn)為datetime類型，具有很好的參考價(jià)值，希望對大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教
將Timestamp轉(zhuǎn)為datetime類型
在Pandas中我們在處理時(shí)間序列的時(shí)候常用的方法有：
pd.to_datetime()pd.date_range()
pandas生成時(shí)間索引
# 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與datetime
從上面代碼可以看出，pandas中的時(shí)間格式是pandas._libs.tslibs.timestamps.Timestamp
但是python中常用的時(shí)間格式是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
將pandas Timestamp 轉(zhuǎn)為 datetime 類型
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從Timestamp中提取小時(shí)分鐘等
官方文檔： 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時(shí)刻距離0:00的分鐘數(shù)，找了文檔之后想到這樣一個(gè)辦法：
假設(shè)數(shù)據(jù)為
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')先得到距離1970-01-01的秒數(shù)
In [66]: (stamps - pd.Timestamp("1970-01-01")) // pd.Timedelta('1s')
Out[66]: Int64Index([1349720105, 1349723705, 1349727305, 1349730905], dtype='int64')對天取余，得到距離0:00的秒數(shù)
In [67]: (stamps - pd.Timestamp("1970-01-01")) // pd.Timedelta('1s') % 86400
Out[67]: Int64Index([65705, 69305, 72905, 76505], dtype='int64')取距離0:00的分鐘數(shù)
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')同樣的，也可以取小時(shí)數(shù)
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')取小時(shí)整數(shù)–當(dāng)然取小時(shí)整數(shù)也有別的方法。
In [70]: (stamps - pd.Timestamp("1970-01-01")) // pd.Timedelta('1s') % 86400 //3600
Out[70]: Int64Index([18, 19, 20, 21], dtype='int64')以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
您可能感興趣的文章:
- pandas的to_datetime時(shí)間轉(zhuǎn)換使用及學(xué)習(xí)心得
- python3中datetime庫，time庫以及pandas中的時(shí)間函數(shù)區(qū)別與詳解
- pandas時(shí)間序列之pd.to_datetime()的實(shí)現(xiàn)
- pandas如何將datetime64[ns]轉(zhuǎn)為字符串日期
- pandas實(shí)現(xiàn)datetime64與unix時(shí)間戳互轉(zhuǎn)
- pandas庫中to_datetime()方法的使用解析
- pandas時(shí)間序列之如何將int轉(zhuǎn)換成datetime格式
- Python中的Pandas?時(shí)間函數(shù)?time?、datetime?模塊和時(shí)間處理基礎(chǔ)講解
- Pandas中datetime數(shù)據(jù)類型的使用
相關(guān)文章
Python標(biāo)準(zhǔn)庫之循環(huán)器(itertools)介紹
這篇文章主要介紹了Python標(biāo)準(zhǔn)庫之循環(huán)器(itertools)介紹,本文講解了無窮循環(huán)器、函數(shù)式工具、組合工具、groupby()、其它工具等內(nèi)容,需要的朋友可以參考下2014-11-11
這篇文章主要介紹了改進(jìn)Django中的表單的簡單方法,Django是Python重多人氣框架中最著名的一個(gè),需要的朋友可以參考下2015-07-07
Python matplotlib實(shí)現(xiàn)散點(diǎn)圖的繪制
Matplotlib作為Python的2D繪圖庫，它以各種硬拷貝格式和跨平臺(tái)的交互式環(huán)境生成出版質(zhì)量級別的圖形。本文將利用Matplotlib庫繪制散點(diǎn)圖，感興趣的可以了解一下2022-03-03
python?tornado協(xié)程調(diào)度原理示例解析
這篇文章主要為大家介紹了python?tornado協(xié)程調(diào)度原理示例解析,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2023-09-09
Python繪制分段函數(shù)的實(shí)現(xiàn)示例
本文主要介紹了Python繪制分段函數(shù)的實(shí)現(xiàn)示例，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-04-04
淺談TensorFlow中讀取圖像數(shù)據(jù)的三種方式
這篇文章主要介紹了淺談TensorFlow中讀取圖像數(shù)據(jù)的三種方式,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-06-06
Python3自動(dòng)生成MySQL數(shù)據(jù)字典的markdown文本的實(shí)現(xiàn)
這篇文章主要介紹了Python3自動(dòng)生成MySQL數(shù)據(jù)字典的markdown文本的實(shí)現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-05-05
TensorFlow 是一個(gè)端到端開源機(jī)器學(xué)習(xí)平臺(tái)，能夠幫助開發(fā)者快速輕松的構(gòu)建和部署由機(jī)器學(xué)習(xí)提供應(yīng)用，對Python3安裝tensorflow的相關(guān)知識(shí)感興趣的朋友一起學(xué)習(xí)下吧2021-05-05
這篇文章主要介紹了pycharm如何設(shè)置官方中文(如何漢化)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-12-12
Django基礎(chǔ)知識(shí) web框架的本質(zhì)詳解
這篇文章主要介紹了Django基礎(chǔ)知識(shí) web框架的本質(zhì)詳解,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-07-07