![](/img/trans.png)
[英]Python pandas - join date & time columns into datetime column with timezone
[英]Pandas: Join Date and Time into one datetime column
我有一个包含 13 列的数据框,其中两列是“日期”和“时间”。
我想 1) 加入“日期”和“时间”和 2) 正确格式化结果 (DD.MM.YYYY HH:MM:SS)
Date Time
0 2012-09-27 00:40:20
1 2012-09-27 07:24:37
2 2012-09-27 07:25:08
3 2012-09-27 07:43:48
4 2012-09-27 07:44:27
5 2012-09-27 07:55:16
6 2012-09-27 08:04:19
7 2012-09-27 08:08:21
8 2012-09-27 08:09:08
9 2012-09-27 08:15:30
10 2012-09-27 08:15:35
所以我尝试:
>type(df["Date"])
pandas.core.series.Series
我想“为什么不将它们都转换为字符串表示并以这种方式操作它们?”
>g = df["Time"].astype(str)
>type(g)
pandas.core.series.Series
“什么?!还是系列?!”
所以我尝试发挥创意:
>f = df["Date"].astype(str) + " " + df["Time"].astype(str)
>f
0 2012-09-27 00:40:20
1 2012-09-27 07:24:37
2 2012-09-27 07:25:08
3 2012-09-27 07:43:48
“嘿!那行得通!不,让我们把格式弄对(DD.MM.YYYY HH:MM:SS)”
>#dt.strptime(f, '%Y-%m-%d %H:%M:%S')
TypeError: strptime() argument 1 must be str, not Series
“还是一个系列……嗯……显然它不会让自己被转换。我们试试别的东西吧”
>f = p.concat([df["Date"], df["Time"]], axis=1)
>f
Date Time
0 2012-09-27 00:40:20
1 2012-09-27 07:24:37
2 2012-09-27 07:25:08
“不错!但是……这两个柱子还不是……?”
>f.shape
(100,2)
“对了……回到一楼……”
我没有想法了......
任何人?
可以将列连接并分配给数据框中的新列或现有列:
df['datetime'] = df['dates'] + " " + df['time']
输出示例:
dates time datetime
0 2012-09-27 00:40:20 2012-09-27 00:40:20
1 2012-09-27 07:24:37 2012-09-27 07:24:37
2 2012-09-27 07:25:08 2012-09-27 07:25:08
我认为您需要使用to_datetime
加入列:
print (type(df.loc[0, 'Date']))
<class 'str'>
print (type(df.loc[0, 'Time']))
<class 'str'>
df['datetime'] = pd.to_datetime(df['Date'] + " " + df['Time'])
如果有string
s 的日期时间:
print (type(df.loc[0, 'Date']))
<class 'pandas._libs.tslib.Timestamp'>
print (type(df.loc[0, 'Time']))
<class 'str'>
df['datetime'] = df['Date'] + pd.to_timedelta(df['Time'])
如果有time
s 的日期time
:
print (type(df.loc[0, 'Date']))
<class 'pandas._libs.tslib.Timestamp'>
print (type(df.loc[0, 'Time']))
<class 'datetime.time'>
df['datetime'] = df['Date'] + pd.to_timedelta(df['Time'].astype(str))
如果有带时间的日期:
print (type(df.loc[0, 'Date']))
<class 'datetime.date'>
print (type(df.loc[0, 'Time']))
<class 'datetime.time'>
df['datetime'] = pd.to_datetime(df["Date"].astype(str) + " " + df["Time"].astype(str))
print (df)
Date Time datetime
0 2012-09-27 00:40:20 2012-09-27 00:40:20
1 2012-09-27 07:24:37 2012-09-27 07:24:37
2 2012-09-27 07:25:08 2012-09-27 07:25:08
3 2012-09-27 07:43:48 2012-09-27 07:43:48
4 2012-09-27 07:44:27 2012-09-27 07:44:27
5 2012-09-27 07:55:16 2012-09-27 07:55:16
6 2012-09-27 08:04:19 2012-09-27 08:04:19
7 2012-09-27 08:08:21 2012-09-27 08:08:21
8 2012-09-27 08:09:08 2012-09-27 08:09:08
9 2012-09-27 08:15:30 2012-09-27 08:15:30
10 2012-09-27 08:15:35 2012-09-27 08:15:35
.astype(str)
适用于 Series 的元素,而不是 Series 本身,所以当然type(df["Time"].astype(str)) == pd.Series
。 这似乎是您大部分困惑的根源,您正在对系列采取行动,而不是其元素。
一个解决方案(可能有更简单的方法)是循环遍历系列:
dts = [datetime.datetime.strptime(elem, '%Y-%m-%d%H:%M:%S')
for elem in df['Date'] + df['Time']]
fmted = [elem.strftime('%d-%m-%Y %H:%M:%S') for elem in dts]
df.insert(0, 'DateTime', fmted)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.