將int64系列轉換為日期時間的最有效方法？

Question

設置場景：我有一個dtype int64的Series對象。 我需要將它們轉換為僅包含日期的日期時間對象（不包括小時和秒）

到目前為止我可以使用的...

foo.head（）=

0    1382400000
1    1382400000
2    1382054400
3    1381708800
4    1380758400
Name: da_0, dtype: int64

該功能：

def convert_stamp_to_date(stamp):
    try:
        d = datetime.datetime.utcfromtimestamp(stamp)
    except:
        d = datetime.datetime.utcfromtimestamp(0)
    d = datetime.datetime(d.year, d.month, d.day)
    return d

處理相關系列時，我將稱呼：

foo = foo.apply(lambda x: convert_stamp_to_date(x))

這給了我正確的解決方案：

0   2013-10-22 00:00:00
1   2013-10-22 00:00:00
2   2013-10-18 00:00:00
3   2013-10-14 00:00:00
4   2013-10-03 00:00:00
Name: da_0, dtype: datetime64[ns]

這給了我我想要的東西，但是我發現它很慢（應該是正確的，對吧，因為這只是完成工作的幼稚方式）。

對於長度約為5000的小型Series對象，平均大約需要27毫秒才能完成轉換。 不錯 ...但是，我可以輕松擁有可以增長到數百萬行的Series對象。 對於這些，我看到轉換時間進入1-2分鍾范圍內。 與其他我使用相同大小的Series和DataFrame進行的其他操作相比，這似乎太慢了。

我的第一個想法是嘗試使用np.vectorize對函數進行偽向量化。 但是，這實際上使轉換慢了大約10倍。

vconvert_stamp_to_date = np.vectorize(convert_stamp_to_date)
foo = foo.apply(lambda x: vconvert_stamp_to_date(x))

盡管這仍然給了我正確的答案，但將較小的Series對象的轉換時間增加到約350ms，對於我使用的較大Series，我不得不從腳本中按ctrl + c，因為這花費了太長時間。

對我來說，將時間戳轉換為日期時間對象將是我程序的瓶頸，這似乎有點荒謬：(我必須相信，在某個地方可以有更有效的方法。有人可以指出正確的方向嗎？目前，我已經用盡了所有的熊貓法力，如果您已經讀完這里的所有內容，我將非常感謝。

謝謝。

Answer 1

這些看起來像紀元秒，因此只需使用pd.to_datetime

In [12]: arr = [1382400000] * 1000000

In [14]: pd.to_datetime(arr,unit='s')
Out[14]: 
<class 'pandas.tseries.index.DatetimeIndex'>
[2013-10-22 00:00:00, ..., 2013-10-22 00:00:00]
Length: 1000000, Freq: None, Timezone: None

In [15]: %timeit pd.to_datetime(arr,unit='s')
10 loops, best of 3: 122 ms per loop