Datetime转换- pandas中的慢
Datetime转换是指将日期时间数据从一种格式转换为另一种格式的过程。在pandas中，处理日期时间数据的主要工具是Datetime模块。
Datetime模块提供了一系列函数和方法，用于处理日期时间数据的转换、格式化、计算等操作。它可以将字符串类型的日期时间数据转换为Datetime类型，也可以将Datetime类型的数据转换为指定格式的字符串。
在pandas中，Datetime转换的速度可能会比较慢，特别是在处理大量数据时。这是因为pandas中的Datetime类型是基于Python的datetime模块实现的，而Python的datetime模块在处理大量数据时性能较低。
为了提高Datetime转换的速度，可以采用以下几种方法：
- 使用pandas的to_datetime函数进行转换，该函数可以将字符串类型的日期时间数据转换为Datetime类型，并且可以指定日期时间的格式，从而提高转换速度。
- 使用pandas的astype方法将Datetime类型的数据转换为其他类型，例如字符串类型或整数类型。这样可以避免在处理大量数据时进行频繁的Datetime转换操作，从而提高性能。
- 对于需要频繁进行Datetime转换的场景，可以考虑使用其他高性能的库，例如NumPy或Cython，来替代pandas进行日期时间数据的处理。
在实际应用中，Datetime转换常用于以下场景：
- 数据清洗和预处理：将不同格式的日期时间数据统一为指定格式，以便进行后续的数据分析和建模。
- 时间序列分析：将日期时间数据转换为时间序列，进行趋势分析、周期性分析等。
- 数据可视化：将日期时间数据转换为合适的格式，以便在图表中进行展示和分析。
对于pandas中的Datetime转换，腾讯云提供了一系列相关产品和服务，例如：
- 腾讯云数据库TDSQL：提供了高性能、可扩展的关系型数据库服务，支持存储和查询日期时间数据。
- 腾讯云数据仓库CDW：提供了大规模数据存储和分析的解决方案，支持对日期时间数据进行转换和处理。
- 腾讯云函数计算SCF：提供了无服务器计算服务，可以通过编写函数来处理日期时间数据的转换和计算。
更多关于腾讯云相关产品和服务的介绍，请参考腾讯云官方网站：https://cloud.tencent.com/
相关·内容
1回答
转换大型datetime64[D] Series (即DataFrame列的900 k行)花费的时间太长。我怎样才能加快速度？
import pandas as pd
df = pd.DataFrame(['2021-10-01']*900000, columns=['date']) # 0.025286900 seconds
df = df.assign(date=df['date'].astype('datetime64[D]')) # 0.105065900
# Why is converting fro
浏览 3提问于2022-03-16得票数 0
我使用pandas.io.data从肯·弗伦奇的数据库中获得了法马-法语因子，但是我不知道如何将整型的年-月日期索引(例如，200105)转换为datetime索引，以便能够利用更多的pandas特性。
下面的代码会运行，但是我在最后一个未注释的行中的索引尝试删除了DataFrame ff中的所有数据。我还尝试了.reindex()，但这不会将索引更改为range。什么是pandas方式？谢谢!
import pandas as pd
from pandas.io.data import DataReader
import datetime as dt
ff = pd.DataFrame(D
浏览 0提问于2012-10-17得票数 1
回答已采纳
我似乎遇到了pandas.Timestamp与python常规datetime()对象的算术运算性能出乎意料地慢的问题。
以下是一个基准测试，演示了：
import datetime
import pandas
import numpy
# using datetime:
def test1():
d1 = datetime.datetime(2015, 3, 20, 10, 0, 0)
d2 = datetime.datetime(2015, 3, 20, 10, 0, 15)
delta = datetime.timedelta(minutes=30)
浏览 1提问于2015-03-22得票数 8
12回答
我使用pandas.to_datetime来解析数据中的日期。默认情况下，Pandas使用datetime64[ns]表示日期，即使日期都是每天。我想知道是否有一种优雅/聪明的方法将日期转换为datetime.date或datetime64[D]，这样，当我将数据写入CSV时，日期不会附加00:00:00。我知道我可以逐个元素地手动转换类型：
[dt.to_datetime().date() for dt in df.dates]
但这真的很慢，因为我有很多行，这有点违背了使用pandas.to_datetime的目的。有没有办法一次转换整个列的dtype？或者，pandas.to_datet
浏览 0提问于2013-04-24得票数 314
1回答
出于某些原因(我在0.17.1的Pandas changelog中找不到)，将日期时间序列与int值(Unix纪元)进行比较不再起作用。谁能解释一下这一点，或者给我指出changelog中正确的部分？
在0.16.2中工作
>>> import pandas as pd
>>> import datetime
>>> d = pd.Series([datetime.datetime(2016, 1, 1), datetime.datetime(2016, 1, 1)])
>>> d
0 2016-01-01
1 2
浏览 3提问于2016-02-08得票数 6
当我尝试使用pandas读取python中的sas7bdat文件时。它显示流出错误如下。有人知道怎么解决这个问题吗？非常感谢。
import pandas as pd
pd.read_sas('D:/My Documents/data.sas7bdat')
错误消息：
OverflowError
Traceback (most recent call last)
pandas\_libs\tslib.pyx in pandas._libs.tslib.array_with_unit_to_datetime()
pan
浏览 1提问于2018-09-12得票数 0
我正在使用Python中的Pandas解析一个json文件。有一个名为DateTime的字段，其中包含以下字符串：1581251737000。有没有人知道这个DateTime字段的格式，以便我可以使用pandas.to_datetime()函数解析它？
浏览 36提问于2020-05-24得票数 0
回答已采纳
我正在加快字符串到时间戳的转换，我注意到使用时间戳构造函数似乎是快速的方法：
import pandas as pd
from time import perf_counter as pc
test_time = '2016-12-01 19:44:47.891124'
t0 = pc()
for _ in range(100000):
pd.Timestamp.strptime(test_time, '%Y-%m-%d %H:%M:%S.%f')
pc() - t0
# 1.6517095469753258
t0 = pc()
for _ in
浏览 1提问于2016-12-01得票数 0
回答已采纳
2回答
我正在尝试使用pandas to_datetime方法转换时间戳中的字符串。我希望结果不应该是纳秒，而应该是不同的单位。
有了纳秒，一切都能正常工作
import pandas as pd
pd.to_datetime('11/11/97')
相反，使用不同的单元时，我会得到这个错误：
pd.to_datetime('11/11/97', unit='s')
ValueError:不可转换值11/11/97与单位的‘’
浏览 44提问于2018-06-30得票数 0
1回答
我正在尝试将两列组合在一起:一列包含日期，另一列与时间合并为一个日期时间列。
df:
date time
---- ----------- ------
0 08 Sep 2021 00:00
1 08 Sep 2021 00:00
2 08 Sep 2021 00:00
3 08 Sep 2021 00:05
4 08 Sep 2021 00:30
我的做法是：
df['datetime'] = df['date'] + ' ' + df['time&#
浏览 4提问于2021-09-09得票数 0
回答已采纳
poorList = [datetime.date(2016, 5, 2),
datetime.date(2016, 8, 26),
datetime.date(2016, 6, 9),
datetime.date(2016, 3, 4)]
dateForm.set_index(poorList)
然后是错误：
文件"pandas\index.pyx"，第137行，pandas.index.IndexEngine.get_loc (pandas\index.c:4066)文件"pandas
浏览 0提问于2016-09-12得票数 4
熊猫是完成许多数据任务的一个很好的工具。许多功能已经简化，以便有效地应用于列，而不是单个单元格/行。其中一个函数是to_datetime()函数，我在后面的问题中使用它作为示例。然而，在熊猫中有许多命令，据我所知，这些命令与数据格式没有直接关系。我感兴趣的特定函数是函数，但在pandas.Timestamp类(可能还有其他熊猫类)中有大量符合这种描述的函数，而且文档很少。是否有一种有效地将这些函数广播到一整列数据中的方法?如果是的话，我将如何做到？
注意:我知道我可以使用apply()函数，但这显然比我所想的要慢得多(在我的测试中是5倍)。apply()函数也不限于熊猫函数，因此我认为必须有一
浏览 3提问于2020-12-17得票数 2
回答已采纳
1回答
实际问题
在这个小例子中，我尝试每周重新整理一只熊猫的数据：
import datetime
import pandas as pd
df = pd.DataFrame([{
'A' : datetime.datetime.now() - datetime.datetime.now(),
'B' : 2
},{
'A' : datetime.datetime.now() - datetime.datetime.now(),
'B' : 3
}])
df = df.set_index('A
浏览 0提问于2016-04-14得票数 3
我有一个日期格式为%Y-%m-%d %H:%M:%S或%Y-%m-%d的数据帧
...
87986 1979-06-18 00:00:00
87987 1979-06-18 00:00:00
87988 1987-03-18
87989 1983-11-01
...
我想以相同的方式对它们进行格式化。我试过了：
df['birthdate']=pd.to_datetime(df['birthdate'].astype(str), format='%Y-%m-%d')
但我还是回来了：
-
浏览 19提问于2020-02-13得票数 1
回答已采纳
我正在尝试通过操作其他cols来添加新的Dataframe列。 import pandas as pd
import numpy as np
from pandas import DataFrame, read_csv
from pandas import read_csv
import datetime
df = pd.read_csv('PRSA_data_2010.1.1-2014.12.31.csv')
df.head() ? 当我试图操纵 df['weekday']= np.int(datetime.datetime(df.year, df.
浏览 28提问于2020-06-17得票数 0
今天，我使用样式框架帮助美化我的Excel。
虽然我添加了date_format或datetime_format，但这不是工作。
def _write_xlsx(self, filename, data, columns):
print(f'Writing {filename} length: {len(data)}')
data_frame = pandas.DataFrame(data, columns=columns)
excel_writer = StyleFrame.ExcelWriter(
filename,
浏览 9提问于2022-03-22得票数 0
回答已采纳
2回答
我正尝试在pandas DataFrame中创建时区感知的日期列。当我运行下面的代码时，得到的pandas列的日期时间与我输入的日期时间不同。我在这里做错了什么？
我使用的是python 3.6.2和pandas 0.20.3
from datetime import datetime
import pandas as pd
import pytz
date_string = "12/14/2016 12:00"
timezone = pytz.timezone("US/Pacific")
input_datetime = datetime.strptime
浏览 2提问于2017-12-15得票数 2
我有一个数据集，并且我想更改名为"Last Updated“的列的格式。 DB['Last Updated'].head()
0 January 7, 2018
1 January 15, 2018
2 August 1, 2018
3 June 8, 2018
4 June 20, 2018
Name: Last Updated, dtype: object 我想使格式类似于7/1/2018，所以我用python写了以下内容。 DB['Last Updated'] = pd.to_da
浏览 23提问于2019-01-23得票数 1
从时区偏移量(夏令时)更改的大型CSV文件读取时，parse_dates变慢。你能建议我该怎么处理这件事吗？对于一些工作，我确实转换为'UTC‘，但我也需要使用原始的本地时间。有没有办法强制将列解析为datetime64[ns]而不是datetime64[ns, <offset>]？我认为添加列时间偏移量可能是一个改进的https://github.com/pandas-dev/pandas/issues/16898。我可能需要原始的简单时间戳。 pd.__version__
'0.24.2' 随时间偏移量更改 import pandas as pd
fr
浏览 17提问于2019-03-20得票数 2
回答已采纳
我正在尝试从TimedeltaIndex对象中提取时间。我尝试使用pd.to_datetime()，但得到了以下错误：
>>> import pandas as pd
>>> times = pd.timedelta_range(start='10:00:00', end='12:00:00', freq='min')
>>> pd.to_datetime(times)
Traceback (most recent call last):
File "<stdin>&#
浏览 0提问于2021-03-11得票数 4
回答已采纳
我有一个python模块，它直接将数据加载到numpy.ndarray的一个片段中，以便在pandas.Dataframe中使用。然而，我注意到了'NA‘价值观的一个问题。我的文件格式表示NA值a s -9223372036854775808 (boost::integer_traits::const_min)。我的非NA值正按预期(带有正确值)加载到pandas.Dataframe中。我相信正在发生的事情是，我的模块加载到一个numpy.datetime64 ndarray中，然后将其转换为一个pandas.tslib.Timestamp列表。此转换似乎不保留“const_min”整
浏览 4提问于2013-02-04得票数 3
回答已采纳
我试图在python上用get_data_yahoo绘制一个从pandas_datareader.data中的pandas_datareader.data属性中获取的数据，不管我尝试了什么，我都在为prices.plot中的X-坐标获取一个KeyError。请帮帮我！
我试过了:-
import matplotlib.pyplot as plt
from pandas import Series,DataFrame
import pandas_datareader.data as pdweb
import datetime
prices=pdweb.get_data_yahoo([&#
浏览 3提问于2020-03-24得票数 1
回答已采纳
我在pandas.to_datetime函数中看到了一个奇怪的行为。如果我输入一个字符串，我会得到正确的日期：
In [100]: pandas.to_datetime(' 2012-10-19 16:32:35')
Out[100]: datetime.datetime(2012, 10, 19, 16, 32, 35)
但是，我有一个数据集，它有一个datetime列，其中的字符串格式与上面第100行中的字符串格式相同：
In [101]: data_frame = pandas.read_csv('my_data.csv', header=None, na
浏览 3提问于2012-11-03得票数 0
回答已采纳
我必须使用pd.read_excel()将多个Excel文件读入到pandas数据框中。Excel文件有一个包含日期的列和一个包含时间(HH:MM:SS)的列。在pandas df中，time-column被解释为datetime.time，但是当时间是午夜00:00:00时，它被解释为1899-12-30T00:00:00.000Z，这是一个datetime.datetime。 | Excel | pandas df | type in pandas df |
|----------|--------------------------|--------
浏览 18提问于2021-01-28得票数 1
回答已采纳
我尝试计算datetime64类型熊猫序列的floor，以获得'1D'，'1H'，'15min'，'5min'，'1min‘间隔的pandas.Timestamp.round('15min')等价物。
如果我直接将datetime64转换为pandas时间戳，我就可以做到：
pd.to_datetime(df.DATA_CZAS.to_numpy()).floor('15min')
但如何做到这一点，而不转换为熊猫(这是相当慢)？
注意，我不能将datetime64ns转换为整数，因为：
d
浏览 2提问于2020-09-08得票数 0
如何实现时间戳数据从Spark Python到Pandas的往返转换？我从Spark中的Hive表中读取数据，希望在Pandas中进行一些计算，然后将结果写回Hive。只有最后一部分失败了，将Pandas时间戳转换回Spark DataFrame时间戳。
import datetime
import pandas as pd
dates = [
('today', '2017-03-03 11:30:00')
, ('tomorrow', '2017-03-04 08:00:00')
, ('next T
浏览 14提问于2017-03-04得票数 7
我在Pandas中读入了一个SQL查询，虽然这些值是字符串、日期和整数，但它们以dtype 'object‘的形式传入。我能够将date 'object‘转换为Pandas datetime dtype，但在尝试转换字符串和整数时遇到错误。 下面是一个示例： >>> import pandas as pd
>>> df = pd.read_sql_query('select * from my_table', conn)
>>> df
id date purchase
1
浏览 1825提问于2016-08-27得票数 79
回答已采纳
2回答
我有一个熊猫(版本0.25.3) DataFrame包含一个datetime64栏。我想计算一下每一列的平均数。
import numpy as np
import pandas as pd
n = 1000000
df = pd.DataFrame({
"x": np.random.normal(0.0, 1.0, n),
"d": pd.date_range(pd.datetime.today(), periods=n, freq="1H").tolist()
})
计算单个列的平均值几乎是瞬时的。
df["x
浏览 4提问于2020-01-15得票数 7
回答已采纳
1回答
对于pandas处理与时间相关的对象的方式，我面临一些困惑。
如果我做了
x = pd.datetime.fromtimestamp(1440502703064/1000.) # or
x = pd.datetime(1234,5,6)
然后type(x)在任何一种情况下都返回datetime.datetime。但是，如果我有：
z = pd.DataFrame([
{'a': 'foo', 'ts': pd.datetime.fromtimestamp(1440502703064/1000.)}
])
然后type(z['
浏览 0提问于2015-08-27得票数 2
回答已采纳
我试图将一个pandas DataFrame对象传递给一个R函数，并使它成为R-land中的一个data.frame。根据像这样的文档，使用它的隐式转换内容应该是可能的。
然而，我很难让它正常工作。例如，日期时间数据似乎不受支持：
import pandas as pd
import rpy2.robjects as ro
from rpy2.robjects import pandas2ri
from rpy2.robjects.conversion import localconverter
ro.r("my_r_function <- function(now, data
浏览 11提问于2022-07-25得票数 0
我想把一个熊猫数据框列从datetime64转换为datetime格式。这在个人基础上是有效的。特别是，下面的代码运行良好：
t = dt['time'].values[0]
datetime.utcfromtimestamp(t.astype(int)/1000000000)
但是，当我尝试对整个列执行此操作时，
dt['datetime'] = dt['time'].apply(lambda x: datetime.utcfromtimestamp(x.astype(int)/1000000000))
我得到以下错误：
pandas.lib.
浏览 1提问于2016-05-21得票数 5
我有以下数据：
Weather['date'].head()
Out[2]:
0 2019-08-31 23:00:00
1 2019-09-01 00:00:00
2 2019-09-01 01:00:00
3 2019-09-01 02:00:00
我使用以下代码
Weather['timestamp'] = pd.to_datetime(Weather['date'],format = '%Y-%m-%d %H:%M:%S')
它给了我以下错误：
Traceback (most recent call
浏览 1提问于2020-09-15得票数 1
回答已采纳
我无法使用xlsxwriter实现日期格式。我已经尝试过使用xlsxwriter在熊猫中使用数据格式的示例代码，但是添加了Sqldf步骤来过滤掉df，这略有不同。这里，我只使用sqldf步骤中的简单过滤器进行测试，但在实际场景中却很复杂。
有人能给我个建议吗，这里有什么问题吗。我已经检查了dtype，它在工作(实际示例)和非工作(sqldf步骤添加)情况下都是对象。
import pandas as pd
from datetime import datetime, date
from pandasql import sqldf
# Create a Pandas dataframe fro
浏览 3提问于2020-11-11得票数 2
回答已采纳
我有一些使用Pandas编写的代码，它们可以完成我想要的处理，但不幸的是速度很慢。为了加快处理速度，我采用了将数据帧转换为元组列表的方法，其中每个元组都是数据帧中的一行。 我发现datetime.datetime对象被转换为长整数，例如1622623719000000000。 我需要计算每一行之间的时间差，所以我的想法是‘好吧，我不擅长python/pandas，但我知道我可以做datetime.fromtimestamp(1622623719000000000)来取回一个datetime对象。 不幸的是，datetime.fromtimestamp(1622623719000000000)
浏览 57提问于2021-07-02得票数 0
回答已采纳
1回答
我如何在pandas中获得这两个时间戳之间的毫秒差作为整数？ 我到目前为止的尝试是： import pandas as pd
from datetime import datetime
ts1 = datetime(2018, 1, 1, 22, 36, 9, 38000)
ts2 = datetime(2018, 1, 1, 22, 36, 7, 908000)
df = pd.DataFrame("ts1": [ts1],"ts2": [ts2]})
df['interval_ts'] = df['ts1'] -
浏览 29提问于2019-01-17得票数 1
回答已采纳
我有一个pandas 'Time‘列，它的值的格式为4/7/2013，类型为string。我正在尝试将整个列转换为datetime.datetime格式。我使用了以下代码-
df3['Date'] = pd.to_datetime(df3['Date'],format='%m/%d/%Y')
但是在做了print(type(df3['Date'].iloc[0]))之后，类型变成了<class 'pandas._libs.tslibs.timestamps.Timestamp'>，但是我想把
浏览 3提问于2018-07-10得票数 2
我正在使用的其中一个包有一个先决条件，即数据帧的索引必须是pandas DatetimeIndex。因此，我一直在尝试将数据类型为datetime64ns的列转换为DatetimeIndex，但没有成功。以下是我的尝试： import pandas as pd
my_data = [[1,'2019-05-01 04:00:00'], [2, '2019-05-01 04:01:00'], [3, '2019-05-01 04:02:00']]
test = pd.DataFrame(my_data, columns=['count&
浏览 71提问于2020-01-11得票数 2
回答已采纳
我正在使用Pandas处理列表数据。列表数据为 [(datetime.date(1992, 2, 1), 114535.0), (datetime.date(1992, 3, 1), 120025.0), (datetime.date(1992, 4, 1), 124470.0), (datetime.date(1992, 5, 1), 125822.0), (datetime.date(1992, 6, 1), 122834.0)] 我创建标签并使用DataFrame.from_records读取数据 labels = ['date', 'value']
d
浏览 33提问于2019-10-07得票数 1
回答已采纳
1回答
为什么你不能设定日期的格式？
、、、、
我有一个不同日期的数据格式，格式如下:2012年1月15日，并希望以15/01/2012格式传递
我的代码
data['Last Date'] = pd.to_datetime(data['Last Date'], format="%d/%B/%Y")
print(data.info())
但我犯了个错误。
TypeError Traceback (most recent call last)
File ~\AppData\Local\Packages\PythonSoftwareF
浏览 8提问于2022-07-07得票数 0
回答已采纳
当访问DataFrame.values**，all** pd.Timestamp 对象被转换为 np.datetime64 对象时，为什么会存在一个包含pd.Timestamp对象的np.ndarray，因此我不明白为什么总是会发生这样的自动转换。
你知道怎么预防吗？
最起码的例子：
import numpy as np
import pandas as pd
from datetime import datetime
# Let's declare an array with a datetime.datetime object
values = [datetime.now()]
浏览 4提问于2019-11-07得票数 5
回答已采纳
例如，在运行以下简单代码时，使用pandas.to_datetime将jalali日期字符串转换为python对象时遇到了一些问题：
print(pd.to_datetime('1399/05/02',format='%Y/%m/%d'))
我发现了一个错误：
TypeError Traceback (most recent call last)
~\anaconda3\envs\tf2\lib\site-packages\pandas\core\arrays\datetimes.py in obj
浏览 3提问于2020-08-27得票数 1
由于matplotlib不支持pandas.TimeStamp numpy.datetime64，而有，因此我决定将原生pandas date列转换为纯python datetime.datetime，以便更容易绘制散点图。
但是：
t = pd.DataFrame({'date': [pd.to_datetime('2012-12-31')]})
t.dtypes # date datetime64[ns], as expected
pure_python_datetime_array = t.date.dt.to_pydatetime() # work
浏览 0提问于2016-09-02得票数 6
我在将datetime传递到Pandas.Series.asof时遇到了问题
def valueAsOf(self, date):
if type(date) is str:
return time.strptime(date, '%Y%m%d')
return self.__series.index.asof(date)
然后发生以下错误
Traceback (most recent call last):
File "/Users/x/test.py", line 106, in <module>
pr
浏览 3提问于2015-10-03得票数 1
回答已采纳
我想读取csv，日期在列中，但日期在列中的格式不同。
具体地说，有些日期是"dd/mm/yyyy“格式，有些是"4####”格式(excel 1900日期系统，序列号表示自1900/1/1以来经过的天数)。
有没有办法使用read_csv或pandas.to_datetime将列转换为datetime？
我尝试过使用不带参数的pandas.to_datetime，但无济于事。
df["Date"] = pd.to_datetime(df["Date"])
返回
ValueError: year 42613 is out of range
假设它可
浏览 2提问于2021-06-29得票数 1
我有一个csv文件，它有一个时间列，用毫秒表示POSIX时间戳。当我在pandas中读取它时，它正确地将其读取为Int64，但我想将其转换为DatetimeIndex。现在，我首先将其转换为datetime对象，然后将其转换为DatetimeIndex。
In [20]: df.time.head()
Out[20]:
0 1283346000062
1 1283346000062
2 1283346000062
3 1283346000062
4 1283346000300
Name: time
In [21]: map(datetime.fromtime
浏览 6提问于2012-09-04得票数 7
回答已采纳
1回答
我得到了一个Pandas和一个包含datetime64[ns]数据类型的称为过期的列。df.['expiration'][0]给了Timestamp('2010-12-31 00:00:00')。
我想从这个专栏中减去一个日历日，但不知道怎么做。我尝试了pandas.tseries.offsets.DateOffset(days=1)，但这使错误不能在日期时间/时间增量操作[<DateOffset: kwds={'days': 1}>]中使用非绝对DateOffset。
THis显然是因为它只在时间索引上工作。所以我试着
import
浏览 2提问于2014-12-08得票数 1
回答已采纳
是否可以将一个包含总秒数的pandas dataframe列转换为另一个包含时间的列，如hh:mm？
在我的mysql查询中，我可以这样做
SELECT SEC_TO_TIME(xxxx);
但是在我的pandas Dataframe中输出转换是错误的，所以我想用pandas而不是sql来进行几秒钟的转换。我正在使用pd.to_timedelta函数：
df['time'] = pd.Timedelta(Second(df['sec']))
但它不起作用。
-编辑-
解决了！这不起作用：
df['time'] = pd.to_datetime(d
浏览 0提问于2017-05-23得票数 4
我正在尝试为一个机器学习项目将xarray数据数组转换为pandas数据帧，但是时间数据似乎是cftime.DatetimeJulian格式的，不能使用pandas to_datetime()方法进行转换。有什么建议吗？谢谢。 nor_xr.time
<xarray.DataArray 'time' (time: 1372)>
array([cftime.DatetimeJulian(2015, 3, 31, 0, 0, 0, 0, 0, 90),
cftime.DatetimeJulian(2018, 12, 31, 0, 0, 0, 0, 6,
浏览 411提问于2019-04-22得票数 5
回答已采纳
我有以下pandas数据
import pandas as pd
import datetime
foo = pd.DataFrame({'id': [1,2], 'time' :['[datetime.datetime(2021, 10, 20, 14, 29, 51), datetime.datetime(2021, 10, 20, 14, 46, 8)]', '[datetime.datetime(2021, 10, 20, 15, 0, 44), datetime.datetime(2021, 10, 20, 16, 13, 4
浏览 4提问于2022-09-22得票数 0
回答已采纳
Python2.7.10
尝试了熊猫0.17.1 --功能read_excel
试用了pyexcel 0.1.7 +pyexcel-xlsx0.0.7-函数get_records()
在Python中使用熊猫时，是否可以读取excel文件(格式: xls、xlsx)，并保留包含date或date + time值的列作为字符串而不是到datetime.datetime或timestamp类型？
如果这是不可能的使用熊猫，有人能建议一个替代的方法/库读取xls，xlsx文件，并保留日期列值为字符串？
对于熊猫解决方案尝试，df.info()和生成的日期列类型如下所示：
>>> d
浏览 8提问于2015-12-08得票数 11
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
