脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → 将Timestamp转为datetime类型

Pandas如何将Timestamp转为datetime类型

 更新时间：2022年07月16日 09:31:47   作者：阿松丶  
这篇文章主要介绍了Pandas如何将Timestamp转为datetime类型，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教

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：

  • 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。

您可能感兴趣的文章:

相关文章

  • Python3中使用urllib的方法详解(header,代理,超时,认证,异常处理)

    Python3中使用urllib的方法详解(header,代理,超时,认证,异常处理)

    这篇文章整理了一些关于urllib使用中的一些关于header,代理,超时,认证,异常处理处理方法，对大家学习python具有一定的参考借鉴价值，有需要的朋友们下面来一起看看吧。
    2016-09-09
  • Python+OpenCV之图像轮廓详解

    Python+OpenCV之图像轮廓详解

    这篇文章主要为大家详细介绍了Python OpenCV实现图像轮廓的方法，文中的示例代码讲解详细，具有一定的借鉴价值，感兴趣的可以了解一下
    2022-09-09
  • Django ORM多对多查询方法(自定义第三张表&ManyToManyField)

    Django ORM多对多查询方法(自定义第三张表&ManyToManyField)

    今天小编就为大家分享一篇Django ORM多对多查询方法(自定义第三张表&ManyToManyField)，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2019-08-08
  • 如何用Python 实现全连接神经网络（Multi-layer Perceptron）

    如何用Python 实现全连接神经网络（Multi-layer Perceptron）

    这篇文章主要介绍了如何用Python 实现全连接神经网络（Multi-layer Perceptron），帮助大家更好的进行机器学习，感兴趣的朋友可以了解下
    2020-10-10
  • NumPy索引与切片的用法示例总结

    NumPy索引与切片的用法示例总结

    numpy 数组索引是一个大话题,有很多种方式可以让你选中数据的子集或某个单个元素,一维数组比较简单,看起来和 python 的列表很类似,这篇文章主要给大家介绍了关于NumPy索引与切片用法的相关资料,需要的朋友可以参考下
    2021-07-07
  • Python装饰器用法实例总结

    Python装饰器用法实例总结

    这篇文章主要介绍了Python装饰器用法,结合实例形式总结分析了Python常用装饰器的概念、功能、使用方法及相关注意事项,需要的朋友可以参考下
    2018-02-02
  • Python 切片为什么不会索引越界？

    Python 切片为什么不会索引越界？

    这篇文章主要介绍了Python 切片为什么不会索引越界？切片（slice）是 Python 中一种很有特色的特性，在正式开始之前，我们先来从关于切片的相关知识开始介绍，感兴趣的小伙伴一起参考参考呀</P><P>
    2021-12-12
  • selenium中常见的表单元素操作方法总结

    selenium中常见的表单元素操作方法总结

    Selenium可以驱动浏览器来执行一些操作,也就是说可以让浏览器模拟执行一些动作,下面这篇文章主要给大家介绍了关于selenium中常见的表单元素操作方法,需要的朋友可以参考下
    2022-02-02
  • Numpy数组的组合与分割实现的方法

    Numpy数组的组合与分割实现的方法

    本文主要介绍了Numpy数组的组合与分割实现的方法，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
    2021-08-08
  • Django搭建MySQL主从实现读写分离

    Django搭建MySQL主从实现读写分离

    本文主要介绍了Django搭建MySQL主从实现读写分离，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
    2021-08-08

最新评论