将Pandas的DatetimeIndex转换为数字格式

Question

将Pandas的DatetimeIndex转换为数字格式

pythonpandasdatetimetype-conversion

17

我希望将DataFrame中的DatetimeIndex转换为浮点格式，以便在我的模型中进行分析。有人能告诉我该如何做吗？我需要使用date2num()函数吗？非常感谢！

- Nick Gao

5个回答

11

请使用astype float，即使您有像以下这样的数据框

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)

- Bharath M Shetty

请注意，2017年以来的自纪元起算的秒数大约为10e9，因此10e17是不正确的。请查看https://dev59.com/PlYO5IYBdhLWcg3wBdB5#46502880，并运行https://dev59.com/8m855IYBdhLWcg3wFADy。 - cs95

但是当您将其转换回pd.to_datetime时，原始日期会返回na。 - Bharath M Shetty

是的，但我假设OP想要使用纪元时间。我不知道astype会给出什么，但它似乎像个错误？它绝对不是纪元时间。 - cs95

哦，抱歉。我一开始使用了日期时间列。让我进行修改。 - cs95

df['date'].values.astype(float) 将给出与您得到的相同答案，但是以18次幂的形式。 - Bharath M Shetty

显示剩余3条评论

8

我找到了另一个解决方案：

df['date'] = df['date'].astype('datetime64').astype(int).astype(float)

- Tomek Tajne

我已经检查过了，对我而言它是可行的。能否多说一些关于你的问题呢？对我来说，df['date'] 的 dtype 是 object，因为我是从 csv 中读取的。也许这就是区别所在。您可以尝试这样做： df['date'].astype(int).astype(float) - Tomek Tajne

如果您在列中存储了datetime.date对象，则直接转换为浮点数将失败。日期对象可以转换为datetime64以获得所需的数字表示分辨率，但这些对象可能无法转换为浮点值，因此需要先进行转换为整数的中间步骤。 - Rob Hall

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)。 - Dr Fabio Gori

6

我认为这提供了另一种解决方案，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')

- Colin Catlin

1

如果您只想要您的DateTimeIndex的特定部分，请尝试以下方法：

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

可以根据您所需的时间分辨率进行调整。

- gies0r

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

- cs95 · Accepted Answer

将 Timedelta 转换并从 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，也许将这些数据呈现为 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