Pandas日期时间转换为Unix时间戳秒数。

Question

从pandas.to_datetime的官方文档中我们可以得知，

unit：字符串，默认为“ns”

参数的单位（D、s、ms、us、ns）表示单位的整数或浮点数。这将基于原点。例如，当unit='ms'和origin='unix'（默认值）时，这将计算到Unix纪元开始的毫秒数。

所以当我尝试像这样操作时，

import pandas as pd
df = pd.DataFrame({'time': [pd.to_datetime('2019-01-15 13:25:43')]})
df_unix_sec = pd.to_datetime(df['time'], unit='ms', origin='unix')
print(df)
print(df_unix_sec)

                 time
0   2019-01-15 13:25:43
0   2019-01-15 13:25:43
Name: time, dtype: datetime64[ns]

对于后者，输出没有改变。每次都显示日期时间值而不是第二个开始的毫秒数。为什么会这样？我有遗漏什么吗？

- Always Sunny

Answer 1

我认为你误解了参数的作用。 origin='unix' 的目的是将整数时间戳转换为datetime，而不是相反。

pd.to_datetime(1.547559e+09, unit='s', origin='unix') 
# Timestamp('2019-01-15 13:30:00')

以下是一些选项：

选项1：整除

相反，你可以通过将时间戳转换为整数（以获取纳秒）并除以10⁹来获取时间戳。

pd.to_datetime(['2019-01-15 13:30:00']).astype(int) / 10**9
# Float64Index([1547559000.0], dtype='float64')

优点：

• 超快速度

缺点：

• 假设了pandas内部如何存储日期数据

---

选项2：由pandas推荐

Pandas文档推荐使用以下方法：

# create test data
dates = pd.to_datetime(['2019-01-15 13:30:00'])

# calculate unix datetime
(dates - pd.Timestamp("1970-01-01")) // pd.Timedelta('1s')

[out]:
Int64Index([1547559000], dtype='int64')

优点：

• 符合惯用语，由库推荐

缺点：

• 笨重
• 性能不如整数除法

---

选项 3：pd.Timestamp

如果你只有一个日期字符串，可以使用 pd.Timestamp，如其他答案所示：

pd.Timestamp('2019-01-15 13:30:00').timestamp()
# 1547559000.0

如果你必须强制转换多个日期时间（只能使用pd.to_datetime），你可以进行初始化并映射：

pd.to_datetime(['2019-01-15 13:30:00']).map(pd.Timestamp.timestamp)
# Float64Index([1547559000.0], dtype='float64')

优点：

• 对于单个日期时间字符串来说，是最佳的方法
• 易于记忆

缺点：

• 与整数除法相比性能不如优秀

- cs95

---

请注意，Pandas现在建议使用.view()替代方法1中的.astype()。该方法也适用于（带时区的）DateTimeIndex数组，除非在该时间跨度内开始或结束夏令时。在这种情况下，会出现TypeError: Cannot change data-type for object array.将其转换为UTC可以解决此问题。 - AstroFloyd

Answer 2

您可以使用 timestamp() 方法，它将以浮点数的形式返回 POSIX 时间戳：

pd.Timestamp('2021-04-01').timestamp()

[Out]:
1617235200.0

pd.Timestamp('2021-04-01 00:02:35.234').timestamp()

[Out]:
1617235355.234

- Sergey Volkov

Answer 3

pandas Timestamp的value属性保存了Unix纪元时间。这个值以纳秒为单位。所以，你可以通过除以1e3或1e6来转换为毫秒或微秒。请查看下面的代码。

import pandas as pd
date_1 = pd.to_datetime('2020-07-18 18:50:00')
print(date_1.value) 

- karan rajagopalan

Answer 4

当你计算两个日期时间之间的差值时，默认情况下，差值的数据类型为timedelta64[ns]（括号中的ns）。通过将输出转换为新的timedelta64对象并将[ns]更改为[ms]、[s]、[m]等，可将差值转换为毫秒、秒、分钟等。

例如，要查找自Unix纪元以来经过的秒数，请减去日期时间并更改数据类型。

df_unix_sec = (df['time'] - pd.Timestamp('1970-01-01')).astype('timedelta64[s]')

注意：通常情况下，这些差异是非常大的数字，因此如果您想将它们转换为整数，请使用 astype('int64')（而不是 astype(int)）。

df_unix_sec = (df['time'] - pd.Timestamp('1970-01-01')).astype('timedelta64[s]').astype('int64')

针对OP的示例，这将产生以下结果：

0    1547472343
Name: time, dtype: int64

- cottontail

Answer 5

如果您从数据框中访问特定的datetime64对象，那么很有可能pandas会返回一个Timestamp对象，这实际上是pandas存储datetime64对象的方式。

您可以使用pd.Timestamp.to_datetime64()方法将pd.Timestamp对象转换为具有ns精度的numpy.datetime64对象。

- sakgak

---

欢迎来到SO！感谢您抽出时间回答这个问题。请仔细阅读原帖的问题。您的解决方案是否比已接受的答案更好/不同？ - above_c_level