替換熊貓數據框列

Question

我有一些代碼將數據拉入pandas數據框。

df = df[["date","high","low","open","close"]]

數據如下所示：

       date         high          low        open       close
0  1499140800  2615.390000  2600.000000  2610.58000  2603.00000
1  1499155200  2618.785462  2582.002100  2615.00000  2607.00000
2  1499169600  2617.674406  2550.314214  2607.00000  2554.55010
3  1499184000  2572.962113  2519.967440  2554.55010  2519.96744
4  1499198400  2595.654622  2516.000000  2519.96744  2580.00000

我想將unix時間戳列轉換為實際日期時間。 在我的代碼前面，我必須導入

from datetime import datetime

當我嘗試使用datetime.datetime進行轉換時，似乎給了我一個錯誤。 我不能只使用import datetime因為這給我之前需要的導入帶來了錯誤。 所以我的問題是雙重的。 我如何將時間戳轉換為日期時間（可能不使用datetime模塊？），如何在保存到文件之前用新的日期時間覆蓋date列？我嘗試了幾種方法，但似乎都沒有給我運氣好的話..

Answer 1

在將您的示例數據復制到in.csv文件中后，此代碼為我工作

代碼示例后面有一個解釋。

>>> import pandas as pd

>>> df = pd.read_csv('in.csv')

>>> df
     date         high          low        open       close
0  1499140800  2615.390000  2600.000000  2610.58000  2603.00000
1  1499155200  2618.785462  2582.002100  2615.00000  2607.00000
2  1499169600  2617.674406  2550.314214  2607.00000  2554.55010
3  1499184000  2572.962113  2519.967440  2554.55010  2519.96744
4  1499198400  2595.654622  2516.000000  2519.96744  2580.00000

>>> from datetime import datetime

>>> converted = df['date'].apply(datetime.fromtimestamp)

>>> df['date'] = converted

>>> df
              date         high          low        open       close
0 2017-07-03 22:00:00  2615.390000  2600.000000  2610.58000  2603.00000
1 2017-07-04 02:00:00  2618.785462  2582.002100  2615.00000  2607.00000
2 2017-07-04 06:00:00  2617.674406  2550.314214  2607.00000  2554.55010
3 2017-07-04 10:00:00  2572.962113  2519.967440  2554.55010  2519.96744
4 2017-07-04 14:00:00  2595.654622  2516.000000  2519.96744  2580.00000

將Unix時間戳轉換為日期時間

你跑了

from datetime import datetime

並希望稍后使用datetime.datetime作為函數，但是實際上是從datetime模塊導入了datetime類（這就是為什么將導入更改為僅datetime並沒有幫助）的原因。 有關更多信息，請參見此問題： 在Python中將unix時間戳字符串轉換為可讀日期

因此，您只需要導入datetime類並使用其fromtimestamp函數

更新數據幀中的列

為此，一種常見的方法是apply一個函數（在這種情況下為fromtimestamp ）應用於列（Pandas Series ），然后覆蓋DataFrame中的舊列。

我不知道修改列的方法，但是如果我在Pandas文檔中錯過了它，很高興聽到一種方法。

Answer 2

嘗試這個：

In [2]: df
Out[2]:
         date         high          low        open       close
0  1499140800  2615.390000  2600.000000  2610.58000  2603.00000
1  1499155200  2618.785462  2582.002100  2615.00000  2607.00000
2  1499169600  2617.674406  2550.314214  2607.00000  2554.55010
3  1499184000  2572.962113  2519.967440  2554.55010  2519.96744
4  1499198400  2595.654622  2516.000000  2519.96744  2580.00000

In [3]: df['date'] = pd.to_datetime(df['date'], unit='s')

In [4]: df
Out[4]:
                 date         high          low        open       close
0 2017-07-04 04:00:00  2615.390000  2600.000000  2610.58000  2603.00000
1 2017-07-04 08:00:00  2618.785462  2582.002100  2615.00000  2607.00000
2 2017-07-04 12:00:00  2617.674406  2550.314214  2607.00000  2554.55010
3 2017-07-04 16:00:00  2572.962113  2519.967440  2554.55010  2519.96744
4 2017-07-04 20:00:00  2595.654622  2516.000000  2519.96744  2580.00000

Answer 3

正如@Vinicius Aguiar在評論中所說，您還可以使用pd.to_datetime() 。

df['date'] = pd.to_datetime(df['date']).dt.strftime('%Y-%m-%d %H:%M:%S')