Pandas：將日期和時間加入一個日期時間列

Question

我有一個包含 13 列的數據框，其中兩列是“日期”和“時間”。

我想 1) 加入“日期”和“時間”和 2) 正確格式化結果 (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

所以我嘗試：

>type(df["Date"])
pandas.core.series.Series

我想“為什么不將它們都轉換為字符串表示並以這種方式操作它們？”

>g = df["Time"].astype(str)
>type(g)
pandas.core.series.Series

“什么？！還是系列？！”

所以我嘗試發揮創意：

>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，讓我們把格式弄對（DD.MM.YYYY HH:MM:SS）”

>#dt.strptime(f, '%Y-%m-%d %H:%M:%S')
TypeError: strptime() argument 1 must be str, not Series

“還是一個系列……嗯……顯然它不會讓自己被轉換。我們試試別的東西吧”

>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

“不錯！但是……這兩個柱子還不是……？”

>f.shape
(100,2)

“對了……回到一樓……”

我沒有想法了......

任何人？

Answer 1

可以將列連接並分配給數據框中的新列或現有列：

df['datetime'] = df['dates'] + " " + df['time']

輸出示例：

        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

Answer 2

我認為您需要使用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 的日期時間：

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))

如果有帶時間的日期：

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

Answer 3

.astype(str)適用於 Series 的元素，而不是 Series 本身，所以當然type(df["Time"].astype(str)) == pd.Series 。 這似乎是您大部分困惑的根源，您正在對系列采取行動，而不是其元素。

一個解決方案（可能有更簡單的方法）是循環遍歷系列：

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)