欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

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(duì)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?cè)谔幚頃r(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(duì)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。

相關(guān)文章

  • Python3中使用urllib的方法詳解(header,代理,超時(shí),認(rèn)證,異常處理)

    Python3中使用urllib的方法詳解(header,代理,超時(shí),認(rèn)證,異常處理)

    這篇文章整理了一些關(guān)于urllib使用中的一些關(guān)于header,代理,超時(shí),認(rèn)證,異常處理處理方法，對(duì)大家學(xué)習(xí)python具有一定的參考借鑒價(jià)值，有需要的朋友們下面來(lái)一起看看吧。
    2016-09-09
  • Python+OpenCV之圖像輪廓詳解

    Python+OpenCV之圖像輪廓詳解

    這篇文章主要為大家詳細(xì)介紹了Python?OpenCV實(shí)現(xiàn)圖像輪廓的方法，文中的示例代碼講解詳細(xì)，具有一定的借鑒價(jià)值，感興趣的可以了解一下
    2022-09-09
  • Django ORM多對(duì)多查詢方法(自定義第三張表&ManyToManyField)

    Django ORM多對(duì)多查詢方法(自定義第三張表&ManyToManyField)

    今天小編就為大家分享一篇Django ORM多對(duì)多查詢方法(自定義第三張表&ManyToManyField)，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2019-08-08
  • 如何用Python 實(shí)現(xiàn)全連接神經(jīng)網(wǎng)絡(luò)（Multi-layer Perceptron）

    如何用Python 實(shí)現(xiàn)全連接神經(jīng)網(wǎng)絡(luò)（Multi-layer Perceptron）

    這篇文章主要介紹了如何用Python 實(shí)現(xiàn)全連接神經(jīng)網(wǎng)絡(luò)（Multi-layer Perceptron），幫助大家更好的進(jìn)行機(jī)器學(xué)習(xí)，感興趣的朋友可以了解下
    2020-10-10
  • NumPy索引與切片的用法示例總結(jié)

    NumPy索引與切片的用法示例總結(jié)

    numpy 數(shù)組索引是一個(gè)大話題,有很多種方式可以讓你選中數(shù)據(jù)的子集或某個(gè)單個(gè)元素,一維數(shù)組比較簡(jiǎn)單,看起來(lái)和 python 的列表很類似,這篇文章主要給大家介紹了關(guān)于NumPy索引與切片用法的相關(guān)資料,需要的朋友可以參考下
    2021-07-07
  • Python裝飾器用法實(shí)例總結(jié)

    Python裝飾器用法實(shí)例總結(jié)

    這篇文章主要介紹了Python裝飾器用法,結(jié)合實(shí)例形式總結(jié)分析了Python常用裝飾器的概念、功能、使用方法及相關(guān)注意事項(xiàng),需要的朋友可以參考下
    2018-02-02
  • Python?切片為什么不會(huì)索引越界？

    Python?切片為什么不會(huì)索引越界？

    這篇文章主要介紹了Python?切片為什么不會(huì)索引越界？切片（slice）是?Python?中一種很有特色的特性，在正式開(kāi)始之前，我們先來(lái)從關(guān)于切片的相關(guān)知識(shí)開(kāi)始介紹，感興趣的小伙伴一起參考參考呀</P><P>
    2021-12-12
  • selenium中常見(jiàn)的表單元素操作方法總結(jié)

    selenium中常見(jiàn)的表單元素操作方法總結(jié)

    Selenium可以驅(qū)動(dòng)瀏覽器來(lái)執(zhí)行一些操作,也就是說(shuō)可以讓瀏覽器模擬執(zhí)行一些動(dòng)作,下面這篇文章主要給大家介紹了關(guān)于selenium中常見(jiàn)的表單元素操作方法,需要的朋友可以參考下
    2022-02-02
  • Numpy數(shù)組的組合與分割實(shí)現(xiàn)的方法

    Numpy數(shù)組的組合與分割實(shí)現(xiàn)的方法

    本文主要介紹了Numpy數(shù)組的組合與分割實(shí)現(xiàn)的方法，文中通過(guò)示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
    2021-08-08
  • Django搭建MySQL主從實(shí)現(xiàn)讀寫分離

    Django搭建MySQL主從實(shí)現(xiàn)讀寫分離

    本文主要介紹了Django搭建MySQL主從實(shí)現(xiàn)讀寫分離，文中通過(guò)示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
    2021-08-08

最新評(píng)論