Pandas 将带有 unix 时间戳(以毫秒为单位)的行转换为日期时间
Posted
技术标签:
【中文标题】Pandas 将带有 unix 时间戳(以毫秒为单位)的行转换为日期时间【英文标题】:Pandas converting row with unix timestamp (in milliseconds) to datetime 【发布时间】:2016-04-25 07:10:23 【问题描述】:我需要处理大量 CSV 文件,其中时间戳始终是一个字符串,以毫秒为单位表示 unix 时间戳。我还没有找到有效修改这些列的方法。
这是我想出的,但是这当然只复制列,我必须以某种方式将其放回原始数据集。我确定在创建DataFrame
时可以做到吗?
import sys
if sys.version_info[0] < 3:
from StringIO import StringIO
else:
from io import StringIO
import pandas as pd
data = 'RUN,UNIXTIME,VALUE\n1,1447160702320,10\n2,1447160702364,20\n3,1447160722364,42'
df = pd.read_csv(StringIO(data))
convert = lambda x: datetime.datetime.fromtimestamp(x / 1e3)
converted_df = df['UNIXTIME'].apply(convert)
这将选择列“UNIXTIME”并将其更改为
0 1447160702320
1 1447160702364
2 1447160722364
Name: UNIXTIME, dtype: int64
进入这个
0 2015-11-10 14:05:02.320
1 2015-11-10 14:05:02.364
2 2015-11-10 14:05:22.364
Name: UNIXTIME, dtype: datetime64[ns]
但是,我想使用 pd.apply()
之类的东西来获取与转换后的列一起返回的整个数据集,或者正如我已经写的那样,只需在从 CSV 生成 DataFrame 时创建日期时间。
【问题讨论】:
【参考方案1】:您可以使用to_datetime
并传递参数unit='ms'
将其作为后处理步骤:
In [5]:
df['UNIXTIME'] = pd.to_datetime(df['UNIXTIME'], unit='ms')
df
Out[5]:
RUN UNIXTIME VALUE
0 1 2015-11-10 13:05:02.320 10
1 2 2015-11-10 13:05:02.364 20
2 3 2015-11-10 13:05:22.364 42
【讨论】:
啊,我完全错过了unit
参数,谢谢,这是一个不错的参数!我也会通过 parse_dates 发出拉取请求以将其包含在 .read_csv
中。
这可能会因为时区问题导致时间错误。
@PengjuZhao OP 的问题没有提到时区,因为 Teudimundo 的回答解决了这个问题
一个建议是,也许您可以尝试将 Teudimundo 的答案添加到您的答案中。这对像我这样的新手很有用。
@PengjuZhao 蚕食其他用户的答案是不好的做法,我不会这样做,但其他人会这样做。我认为只要它们足够不同,多个答案就可以了【参考方案2】:
我使用@EdChum 解决方案,但我添加了时区管理:
df['UNIXTIME']=pd.DatetimeIndex(pd.to_datetime(pd['UNIXTIME'], unit='ms'))\
.tz_localize('UTC' )\
.tz_convert('America/New_York')
tz_localize
表示时间戳应被视为与“UTC”相关,然后tz_convert
实际上将日期/时间移动到正确的时区(在本例中为“America/New_York”)。
请注意,它已被转换为 DatetimeIndex
,因为 tz_
方法仅适用于系列的索引。由于 Pandas 0.15 可以使用 .dt
:
df['UNIXTIME']=pd.to_datetime(df['UNIXTIME'], unit='ms')\
.dt.tz_localize('UTC' )\
.dt.tz_convert('America/New_York')
【讨论】:
此方法最适合雅虎时间戳转换。第二个不是第一个。 同意,第二个在管理时区方面做得很好 - 获得了跨越日期的开始时间和结束时间的结果,这解决了这个问题('America/Chicago');观察语法,出现意外的行结束错误。 每个日期时间都包含一个“-05:00”附录,以小时为单位表示时区之间的差异。排除它的最佳方法是什么? 您看到 panda 是如何呈现值的,该列在内部使用 datetime 类型。如果您希望使用您喜欢的格式表示日期时间的字符串,可以使用df['UNIXTIME'].dt.strftime(...)
(pandas.pydata.org/pandas-docs/stable/reference/api/…),请注意结果是一系列字符串值。如果将其分配给同一列:df['UNIXTIME'] = df['UNIXTIME'].dt.strftime(...)
,您将无法再将该列中的值用作日期时间,因为它们将是字符串。【参考方案3】:
我想出了一个解决方案:
convert = lambda x: datetime.datetime.fromtimestamp(float(x) / 1e3)
df = pd.read_csv(StringIO(data), parse_dates=['UNIXTIME'], date_parser=convert)
我仍然不确定这是否是最好的。
【讨论】:
【参考方案4】:如果您知道时间戳单位,请使用Series.astype
:
df['UNIXTIME'].astype('datetime64[ms]')
0 2015-11-10 13:05:02.320
1 2015-11-10 13:05:02.364
2 2015-11-10 13:05:22.364
Name: UNIXTIME, dtype: datetime64[ns]
要返回整个 DataFrame,请使用
df.astype('UNIXTIME': 'datetime64[ms]')
RUN UNIXTIME VALUE
0 1 2015-11-10 13:05:02.320 10
1 2 2015-11-10 13:05:02.364 20
2 3 2015-11-10 13:05:22.364 42
【讨论】:
以上是关于Pandas 将带有 unix 时间戳(以毫秒为单位)的行转换为日期时间的主要内容,如果未能解决你的问题,请参考以下文章
HSQLDB (HyperSQL) - 如何以毫秒精度将 UNIX 时间戳作为数字获取