在pandas中将数据转换为日期时间格式？

Question

我需要帮助将日期时间转换为python/pandas格式。例如，我的时间保存在以下行中：

2017-01-01 05:30:24.468911+00:00
.....
2017-05-05 01:51:31.351718+00:00

我想知道将此转换为日期时间格式的最简单方法，以便执行与时间有关的操作（例如，我的数据集的天数范围是多少，以时间为基础将数据集拆分成块，一个时间到另一个时间的时间差是多少）？如果这样做可以使事情更容易，我不介意失去一些时间的重要性。非常感谢！

- Jane Sully

---

你是将它们保存为字符串吗？如果是这样，你可以使用 strptime() 将所指示的时间拆分成一个对象，并对这些对象的成员进行操作。对象的成员将由您传递到该方法中的格式化字符串来确定。有关更多信息，请参见此文档。 - nerdenator

是的，它们保存为字符串。抱歉没有说明清楚。我会尝试使用strptime()。谢谢！ - Jane Sully

Answer 1

假设我有两个字符串2017-06-06和1944-06-06，我想要获取它们之间的差异（Python中称为timedelta）。首先，我需要导入datetime模块。然后，我需要将这两个字符串转换成datetime对象：

>>> a = datetime.datetime.strptime('2017-06-06', '%Y-%m-%d')
>>> b = datetime.datetime.strptime('1944-06-06', '%Y-%m-%d')

这将给我们两个日期时间对象，可以用于算术函数，返回一个 timedelta 对象：

>>> c = abs((a-b).days)

这将给我们26663，而days是timedelta支持的最大分辨率：文档

- nerdenator

Answer 2

"Timestamp会为您进行转换。"

>>> pd.Timestamp('2017-01-01 05:30:24.468911+00:00')
Timestamp('2017-01-01 05:30:24.468911+0000', tz='UTC')

假设您有一个包含时间戳列的数据框（我们称其为stamp），您可以在该列上使用apply和Timestamp函数：

df = pd.DataFrame(
    {'stamp': ['2017-01-01 05:30:24.468911+00:00',
               '2017-05-05 01:51:31.351718+00:00']})
>>> df
    stamp
0   2017-01-01 05:30:24.468911+00:00
1   2017-05-05 01:51:31.351718+00:00

>>> df['stamp'].apply(pd.Timestamp)
0   2017-01-01 05:30:24.468911+00:00
1   2017-05-05 01:51:31.351718+00:00
Name: stamp, dtype: datetime64[ns, UTC]

您也可以使用 时间序列:

>>> pd.TimeSeries(df.stamp)
0    2017-01-01 05:30:24.468911+00:00
1    2017-05-05 01:51:31.351718+00:00
Name: stamp, dtype: object

一旦你有了一个时间戳对象，它就非常高效易用。例如，你可以直接计算它们之间的差值。

你可能还想看看这个SO答案，它讨论了如何将时区不明确的值变成明确的值。

- Alexander

Answer 3

由于有“Pandas”标签存在：

df = pd.DataFrame(['2017-01-01 05:30:24.468911+00:00'])
df.columns = ['Datetime']
df['Datetime'] = pd.to_datetime(df['Datetime'], format='%Y-%m-%d %H:%M:%S.%f', utc=True)
print(df.dtypes)

- misantroop