将 Pandas DatetimeIndex 转换为数字格式
Posted
技术标签:
【中文标题】将 Pandas DatetimeIndex 转换为数字格式【英文标题】:Converting Pandas DatetimeIndex to a numeric format 【发布时间】:2018-03-12 02:45:00 【问题描述】:我想将我的 DataFrame 中的 DatetimeIndex 转换为浮点格式,可以在我的模型中进行分析。有人可以告诉我该怎么做吗?我需要使用 date2num() 函数吗? 非常感谢!
【问题讨论】:
【参考方案1】:转换为Timedelta
并从dt.total_seconds
中提取总秒数:
df
date
0 2013-01-01
1 2013-01-02
2 2013-01-03
3 2013-01-04
4 2013-01-05
5 2013-01-06
6 2013-01-07
7 2013-01-08
8 2013-01-09
9 2013-01-10
pd.to_timedelta(df.date).dt.total_seconds()
0 1.356998e+09
1 1.357085e+09
2 1.357171e+09
3 1.357258e+09
4 1.357344e+09
5 1.357430e+09
6 1.357517e+09
7 1.357603e+09
8 1.357690e+09
9 1.357776e+09
Name: date, dtype: float64
或者,也许将数据显示为int
类型会更有用:
pd.to_timedelta(df.date).dt.total_seconds().astype(int)
0 1356998400
1 1357084800
2 1357171200
3 1357257600
4 1357344000
5 1357430400
6 1357516800
7 1357603200
8 1357689600
9 1357776000
Name: date, dtype: int64
【讨论】:
尝试一次 df.date.values.astype(float) @Bharathshettycannot astype a datetimelike from [datetime64[ns]] to [float64]
我认为你有一个错误的解决方案尝试pd.to_datetime(pd.to_timedelta(df.date).dt.total_seconds().values[0])
它给了1970 ...
@Bharathshetty 这就是函数的工作原理。它不明白数字是时代。解决方案没有错。你应该明白 1970 年的纪元时间是 0,那是贝尔实验室开发 Unix OS 的时间——因此得名“Unix Timestamp”。
我只是认为 op 想要 datetime 的浮点表示。我不知道OP在现实中想要什么。让我们看看他什么时候回来【参考方案2】:
使用 astype float 即如果你有一个像
这样的数据框df = pd.DataFrame('date': ['1998-03-01 00:00:01', '2001-04-01 00:00:01','1998-06-01 00:00:01','2001-08-01 00:00:01','2001-05-03 00:00:01','1994-03-01 00:00:01'] )
df['date'] = pd.to_datetime(df['date'])
df['x'] = list('abcdef')
df = df.set_index('date')
然后
df.index.values.astype(float)
array([ 8.88710401e+17, 9.86083201e+17, 8.96659201e+17,
9.96624001e+17, 9.88848001e+17, 7.62480001e+17])
pd.to_datetime(df.index.values.astype(float))
DatetimeIndex(['1998-03-01 00:00:01', '2001-04-01 00:00:01',
'1998-06-01 00:00:01', '2001-08-01 00:00:01',
'2001-05-03 00:00:01', '1994-03-01 00:00:01'],
dtype='datetime64[ns]', freq=None)
【讨论】:
请注意,自 2017 年的纪元以来的秒数为 10e9,因此 10e17 不正确。查看***.com/a/46502880/4909087 并运行***.com/questions/4548684/… 但是当您将其转换回 pd.to_datetime 时,原始日期会返回 na 是的,但我认为 OP 想要使用纪元时间。我不知道 astype 给出了什么,但它似乎是一个错误?这绝对不是时代。 使用 timedelta 时出现 AttributeError 哦,对不起。我从一个日期时间列开始。让我修改一下。【参考方案3】:我找到了另一个解决方案:
df['date'] = df['date'].astype('datetime64').astype(int).astype(float)
【讨论】:
我已经检查过了,它对我有用。你能说更多关于你的问题吗?对我来说 df['date'] 有 dtype: object,因为我是从 csv 读取的。也许这就是区别。你可以试试这个:df['date'].astype(int).astype(float)
如果您在列中存储datetime.date
对象,直接转换为浮点数将失败。 Date 对象可以转换为datetime64
以获得数字表示所需的分辨率,但这些对象可能不会转换为浮点值,因此需要转换为 int 的中间步骤。
使用astype(int)
会引发警告,建议使用.view(int)
:flatten_df['first_year_date'].astype('datetime64').view(int).astype(float)
【参考方案4】:
我相信这提供了另一种解决方案,这里假设一个带有 DatetimeIndex 的数据框。
pd.to_numeric(df.index, downcast='float')
# although normally I would prefer an integer, and to coerce errors to NaN
pd.to_numeric(df.index, errors = 'coerce',downcast='integer')
【讨论】:
【参考方案5】:如果您只想要 DateTimeIndex
的特定部分,试试这个:
ADDITIONAL = 1
ddf_c['ts_part_numeric'] = ((ddf_c.index.dt.year * (10000 * ADDITIONAL)) + (ddf_c.index.dt.month * (100 * ADDITIONAL)) + ((ddf_c.index.dt.day) * ADDITIONAL))
输出是
20190523
20190524
可以根据您需要的时间分辨率进行调整。
【讨论】:
以上是关于将 Pandas DatetimeIndex 转换为数字格式的主要内容,如果未能解决你的问题,请参考以下文章
将 Pandas DatetimeIndex 转换为数字格式
在 Python/Pandas 中,如何将世纪月转换为 DateTimeIndex?
如何从 pandas.DatetimeIndex 转换为 numpy.datetime64?