我有一个包含超过1000个时间戳的pandas数据框（如下），我想循环遍历：
2016-02-22 14:59:44.561776
我很难将这个时间戳拆分成两个列 - “日期”和“时间”。日期格式可以保持不变，但时间需要转换为CST时区（包括毫秒）。
谢谢帮助。
9个回答
69
我曾经遇到同样的问题，以下方法对我有用。
假设你的数据集中日期列的名称为"date"。
import pandas as pd
df = pd.read_csv(file_path)
df['Dates'] = pd.to_datetime(df['date']).dt.date
df['Time'] = pd.to_datetime(df['date']).dt.time
这将为您提供两列，“日期”和“时间”，其中包含拆分后的日期。
- Okroshiashvili
51
我不确定你为什么一开始就想要做这件事，但如果你真的非做不可...
公平地说，
df = pd.DataFrame({'my_timestamp': pd.date_range('2016-1-1 15:00', periods=5)})
>>> df
my_timestamp
0 2016-01-01 15:00:00
1 2016-01-02 15:00:00
2 2016-01-03 15:00:00
3 2016-01-04 15:00:00
4 2016-01-05 15:00:00
df['new_date'] = [d.date() for d in df['my_timestamp']]
df['new_time'] = [d.time() for d in df['my_timestamp']]
>>> df
my_timestamp new_date new_time
0 2016-01-01 15:00:00 2016-01-01 15:00:00
1 2016-01-02 15:00:00 2016-01-02 15:00:00
2 2016-01-03 15:00:00 2016-01-03 15:00:00
3 2016-01-04 15:00:00 2016-01-04 15:00:00
4 2016-01-05 15:00:00 2016-01-05 15:00:00
转换为CST更棘手。我假设当前的时间戳是“无意识的”，即它们没有附加时区？如果没有，您希望如何进行转换？
更多详细信息，请参阅：
https://docs.python.org/2/library/datetime.html
编辑
一个只在时间戳上循环一次而不是两次的替代方法：
new_dates, new_times = zip(*[(d.date(), d.time()) for d in df['my_timestamp']])
df = df.assign(new_date=new_dates, new_time=new_times)
编辑于2023年
现在我会这样做：
df = df.assign(
new_date=df["my_timestamp"].dt.date,
new_time=df["my_timestamp"].dt.time
)
公平地说，
assign 方法是在 2015 年 3 月 22 日发布的版本 0.16.0 中引入的，早在我最初回复这篇帖子的时候就已经存在了。- Alexander
2
1这个答案虽然被接受为正确答案，但没有充分利用pandas的向量函数。你不需要在数据框中循环遍历项目 - 这是人们喜欢使用它们的主要原因之一。你可以一次对整个系列（即列）进行操作，就像这个页面上的许多示例所展示的那样。 - Nesha25
@Nesha25 你说得太对了。这个回答相当老旧，我写下它之后学到了一些东西！我已经编辑了我的回复。 - Alexander
18
最简单的方法是使用 pandas.Series dt 访问器，它适用于具有 datetime dtype（请参阅 pd.to_datetime）的列。对于此情况，pd.date_range 创建一个具有 datetime dtype 的示例列，因此使用 .dt.date 和 .dt.time：
df = pd.DataFrame({'full_date': pd.date_range('2016-1-1 10:00:00.123', periods=10, freq='5H')})
df['date'] = df['full_date'].dt.date
df['time'] = df['full_date'].dt.time
In [166]: df
Out[166]:
full_date date time
0 2016-01-01 10:00:00.123 2016-01-01 10:00:00.123000
1 2016-01-01 15:00:00.123 2016-01-01 15:00:00.123000
2 2016-01-01 20:00:00.123 2016-01-01 20:00:00.123000
3 2016-01-02 01:00:00.123 2016-01-02 01:00:00.123000
4 2016-01-02 06:00:00.123 2016-01-02 06:00:00.123000
5 2016-01-02 11:00:00.123 2016-01-02 11:00:00.123000
6 2016-01-02 16:00:00.123 2016-01-02 16:00:00.123000
7 2016-01-02 21:00:00.123 2016-01-02 21:00:00.123000
8 2016-01-03 02:00:00.123 2016-01-03 02:00:00.123000
9 2016-01-03 07:00:00.123 2016-01-03 07:00:00.123000
- Anton Protopopov
4
如果您的时间戳已经是 pandas 格式（不是字符串），那么：
如果您的时间戳是字符串类型，您可以使用datetime模块来解析它：
df["date"] = df["timestamp"].date
dt["time"] = dt["timestamp"].time
如果您的时间戳是字符串类型，您可以使用datetime模块来解析它：
from datetime import datetime
data1["timestamp"] = df["timestamp"].apply(lambda x: \
datetime.strptime(x,"%Y-%m-%d %H:%M:%S.%f"))
来源： http://pandas.pydata.org/pandas-docs/stable/timeseries.html
时间序列是 Pandas 中的一个核心领域，该领域提供了大量的功能来分析时间序列数据。本节将介绍 Pandas 的时间序列功能，并且用一些示例解释如何使用这些功能。- Mathieu B
3
如果您的时间戳是一个字符串，您可以将它转换为一个
datetime对象：from datetime import datetime
timestamp = '2016-02-22 14:59:44.561776'
dt = datetime.strptime(timestamp, '%Y-%m-%d %H:%M:%S.%f')
从那时起，您可以将其转换为任何您喜欢的格式。
- pp_
1
尝试
s = '2016-02-22 14:59:44.561776'
date,time = s.split()
然后根据需要转换时间。
如果您想进一步拆分时间，
hour, minute, second = time.split(':')
- wrkyle
0
试试这个：
def time_date(datetime_obj):
date_time = datetime_obj.split(' ')
time = date_time[1].split('.')
return date_time[0], time[0]
- Nitin Sanghi
0
如果您的时间戳是字符串，您可以在拆分之前将其转换为Pandas时间戳。
#convert to pandas timestamp
data["old_date"] = pd.to_datetime(data.old_date)
#split columns
data["new_date"] = data["old_date"].dt.date
data["new_time"] = data["old_date"].dt.time
- sule mohammed
0
除了 @Alexander 之外，如果你想要一行代码。
df['new_date'],df['new_time'] = zip(*[(d.date(), d.time()) for d in df['my_timestamp']])
- arun
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接