Pandas：使用 Unix 纪元时间戳作为日期时间索引

Posted 2023-03-11

【中文标题】Pandas：使用 Unix 纪元时间戳作为日期时间索引

【英文标题】：Pandas: Using Unix epoch timestamp as Datetime index

【发布时间】：2013-05-07 04:52:12

【问题描述】：

我的应用程序涉及处理以下形式的数据（包含在 CSV 中）：

Epoch (number of seconds since Jan 1, 1970), Value
1368431149,20.3
1368431150,21.4
..

目前我使用 numpy loadtxt 方法读取 CSV（可以轻松使用 Pandas 的 read_csv）。目前对于我的系列，我将时间戳字段转换如下：

timestamp_date=[datetime.datetime.fromtimestamp(timestamp_column[i]) for i in range(len(timestamp_column))]

我通过将 timestamp_date 设置为我的 DataFrame 的日期时间索引来遵循这一点。我尝试在几个地方搜索以查看是否有使用这些 Unix 纪元时间戳的更快（内置）方法，但找不到任何方法。许多应用程序都使用这种时间戳术语。

是否有处理此类时间戳格式的内置方法？ 如果不是，推荐的处理这些格式的方法是什么？

【参考方案1】：

你也可以像这样使用 Pandas DatetimeIndex

pd.DatetimeIndex(df['timestamp']*10**9)

*10**9 将其转换为此类时间戳所期望的格式。

这很好，因为它允许您在系列中使用 .date() 或 .tz_localize() 等函数。

【参考方案2】：

您也可以使用 pandas to_datetime：

df['datetime'] = pd.to_datetime(df["timestamp"], unit='s')

此方法需要 Pandas 0.18 或更高版本。

【参考方案3】：

将它们转换为datetime64[s]：

np.array([1368431149, 1368431150]).astype('datetime64[s]')
# array([2013-05-13 07:45:49, 2013-05-13 07:45:50], dtype=datetime64[s])

【讨论】：

哇！没想到这么容易！最好的部分是它保留了矢量化操作的感觉。