检查数据框中的列是不是处于纪元时间会给出不同的结果

Posted 2023-03-24

【中文标题】检查数据框中的列是不是处于纪元时间会给出不同的结果

【英文标题】：Checking a column in dataframe is in Epoch time is giving different results检查数据框中的列是否处于纪元时间会给出不同的结果

【发布时间】：2021-11-10 18:09:11

【问题描述】：

我编写了下面的测试代码来检查它是否正常工作，我在 DF 中得到一个“真”值，但是当我确定对一个值进行相同的计算时，它给了我“假”。正确的值应该是“False”，因为 date_time 列不在纪元/UNIX 时间中

import pandas as pd
from datetime import datetime, timedelta
temp_list = []
i = 1
while i < 10:
    d = 
        'ticker': 'TEST',
        'date_time': datetime.now() + timedelta(days=i),
        'price': 100 + i,
        'volume': i
    
    temp_list.append(d)
    i += 1
test_df = pd.DataFrame(data=temp_list)
test_df['isepoch'] = pd.notnull(pd.to_numeric(
    test_df['date_time'], errors='coerce'))
print(test_df)
print(pd.notnull(pd.to_numeric(test_df['date_time'][0], errors='coerce')))

两个打印语句的输出：

  ticker                  date_time  price  volume  isepoch
0   TEST 2021-09-16 10:33:43.285935    101       1     True
1   TEST 2021-09-17 10:33:43.285935    102       2     True
2   TEST 2021-09-18 10:33:43.285935    103       3     True
3   TEST 2021-09-19 10:33:43.285935    104       4     True
4   TEST 2021-09-20 10:33:43.285935    105       5     True
5   TEST 2021-09-21 10:33:43.285935    106       6     True
6   TEST 2021-09-22 10:33:43.285935    107       7     True
7   TEST 2021-09-23 10:33:43.285935    108       8     True
8   TEST 2021-09-24 10:33:43.285935    109       9     True
False

我调整了来自 Pandas: Check if value is epoch time using python 的解决方案，以在数据框中创建 'isepoch' 列。

【参考方案1】：

如果你知道pandas.to_numeric、scalar、list、tuple、1-d array 或 Series 可以转换为 pandas.to_numeric 的参数。

在您的代码上方，部分如下：

test_df['isepoch'] = pd.notnull(pd.to_numeric(test_df['date_time'], errors='coerce'))

返回 true，因为 pandas.to_numeric 接受 series 值。

但是，test_df['date_time'][0] 两者都不是，scalar、list、tuple、1-d array 或 Series 如下：

In [1]: print(type(test_df['date_time'][0]) == list)
   ...: print(type(test_df['date_time'][0]) == tuple)
   ...: print(type(test_df['date_time'][0]) == np.array)
   ...: print(type(test_df['date_time'][0]) == pd.Series)
   ...: print(np.isscalar(test_df['date_time'][0]))
False
False
False
False
False

因此，如果您将test_df['date_time'][0] 更改为pandas.to_numeric 可接受的参数类型，它将返回True 值。就像下面这样：

In [2]: pd.notnull(pd.to_numeric(np.array(test_df['date_time'][0]), errors='coerce'))
Out[2]: True

如果您想了解更多关于pandas.to_numeric源代码的信息，可以访问here。