将 Pandas DatetimeIndex 转换为数字格式

Posted 2023-02-25

【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！

【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)

@Bharathshetty cannot 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')

【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。