在python熊猫中将时间对象转换为日期时间格式

Question

我有一个具有dtype object的列名DateTime的数据集。

df['DateTime'] = pd.to_datetime(df['DateTime'])

我已经使用上面的代码将其转换为日期时间格式，然后在列中进行了拆分以分别具有日期和时间

df['date'] = df['DateTime'].dt.date
df['time'] = df['DateTime'].dt.time

但是在拆分之后，格式更改为对象类型，并且在将其转换为日期时间时 ，将时间列名称显示为错误： TypeError：无法转换为日期时间

如何将其转换为日期时间格式的时间列

Answer 1

您可以使用zip combine使用列表理解功能：

df = pd.DataFrame({'DateTime': ['2011-01-01 12:48:20', '2014-01-01 12:30:45']})
df['DateTime'] = pd.to_datetime(df['DateTime'])

df['date'] = df['DateTime'].dt.date
df['time'] = df['DateTime'].dt.time

import datetime
df['new'] = [datetime.datetime.combine(a, b) for a, b in zip(df['date'], df['time'])]
print (df)

             DateTime        date      time                 new
0 2011-01-01 12:48:20  2011-01-01  12:48:20 2011-01-01 12:48:20
1 2014-01-01 12:30:45  2014-01-01  12:30:45 2014-01-01 12:30:45

或转换为字符串，连接在一起然后再次转换：

df['new'] = pd.to_datetime(df['date'].astype(str) + ' ' +df['time'].astype(str))
print (df)
             DateTime        date      time                 new
0 2011-01-01 12:48:20  2011-01-01  12:48:20 2011-01-01 12:48:20
1 2014-01-01 12:30:45  2014-01-01  12:30:45 2014-01-01 12:30:45

但是，如果将floor用于将时间转换为timedelta的删除时间，则只能使用+ ：

df['date'] = df['DateTime'].dt.floor('d')
df['time'] = pd.to_timedelta(df['DateTime'].dt.strftime('%H:%M:%S'))

df['new'] = df['date'] + df['time']
print (df)

             DateTime       date     time                 new
0 2011-01-01 12:48:20 2011-01-01 12:48:20 2011-01-01 12:48:20
1 2014-01-01 12:30:45 2014-01-01 12:30:45 2014-01-01 12:30:45

Answer 2

如何将其转换回日期时间格式的时间列

似乎有误会。 熊猫的datetime系列必须包含日期和时间部分。 这是不可谈判的。 你可以简单地使用pd.to_datetime没有指定具体的日期，并使用默认1900-01-01日期：

# date from jezrael

print(pd.to_datetime(df['time'], format='%H:%M:%S'))

0   1900-01-01 12:48:20
1   1900-01-01 12:30:45
Name: time, dtype: datetime64[ns]

或使用其他日期组件，例如今天的日期：

today = pd.Timestamp('today').strftime('%Y-%m-%d')
print(pd.to_datetime(today + ' '  + df['time'].astype(str)))

0   2018-11-25 12:48:20
1   2018-11-25 12:30:45
Name: time, dtype: datetime64[ns]

或根据您的date和time序列重新组合：

print(pd.to_datetime(df['date'].astype(str) + ' ' + df['time'].astype(str)))

0   2011-01-01 12:48:20
1   2014-01-01 12:30:45
dtype: datetime64[ns]