如何在熊猫数据框中将纪元时间转换为 GMT + 7 时间？答案

【问题标题】：How to convert epoch time to GMT + 7 time in pandas dataframe?如何在熊猫数据框中将纪元时间转换为 GMT + 7 时间？
【发布时间】：2021-09-13 07:20:19
【问题描述】：

我有一个 pandas 数据框，该数据框有一列 created_date 是纪元格式。我想使用如下所示的过滤条件。

数据框示例

    created_time   updated_time       sys_time  last_action_time account_id  \
0   1624473000000  1624459148023  1624459148023                 0        812   
1   1624471920000  1624448094358  1624448094358                 0        812   
2   1624469400000  1624455267579  1624455267579                 0        812   
3   1624466580000  1624466620020  1624466590321                 0        812   
4   1624466529000  1624466610222  1624466540086                 0        812   
5   1624466501000  1624466610270  1624466510212                 0        812   
6   1624466461000  1624466620149  1624466469825                 0        812   
7   1624466443000  1624466446558  1624466446558                 0        812   
8   1624466435000  1624466460213  1624466460213                 0        812 

daily_data_df = [(data_df['created_time'] >= start_date_int) & (data_df['created_time'] < end_date_int)

在哪里，
start_date_int & end_date_int 是 GMT+7 时区
created_time 是纪元格式

请帮助我进行转换。

【问题讨论】：

您需要过滤方面的帮助吗？如果是，请同时提供 start_date_int & end_date_int 的示例数据

标签： python pandas dataframe data-conversion

【解决方案1】：

首先：从“created_time”列中删除最后 3 位数字，似乎纪元长度只有 9-10，而您有 13：

df['created_time'] = df['created_time'].astype(str).apply(lambda x: x[:-3])

第二：从 Unix 纪元转换为日期时间：

df['created_time'] = pd.to_datetime(df['created_time'], unit = 's')

第三：过滤日期范围（低于示例日期范围）：

start_date_int = '2021-06-23 18:12:00'
end_date_int   = '2021-06-23 18:30:00'

df_filterd = df[(df['created_time'] >= start_date_int) &\
                (df['created_time'] <  end_date_int)]

*过滤器的替代方法：

df_filterd = df[df['created_time'].between(start_date_int , end_date_int)]

【讨论】：

【解决方案2】：

您可以使用pd.to_datetime() 和dt.tz_convert() 将纪元时间转换为GMT+7，如下所示：

data_df['created_GMT+7'] = pd.to_datetime(data_df['created_time'], unit='ms', utc=True).dt.tz_convert('Etc/GMT+7')

结果：

print(data_df['created_GMT+7'])

0   2021-06-23 11:30:00-07:00
1   2021-06-23 11:12:00-07:00
2   2021-06-23 10:30:00-07:00
3   2021-06-23 09:43:00-07:00
4   2021-06-23 09:42:09-07:00
5   2021-06-23 09:41:41-07:00
6   2021-06-23 09:41:01-07:00
7   2021-06-23 09:40:43-07:00
8   2021-06-23 09:40:35-07:00
Name: created_GMT+7, dtype: datetime64[ns, Etc/GMT+7]

然后，按如下方式过滤行：

start_date_int = 1624466460500
end_date_int = 1624469402000

mask = data_df['created_GMT+7'].between(pd.Timestamp(start_date_int, unit='ms', tz='Etc/GMT+7'), pd.Timestamp(end_date_int, unit='ms', tz='Etc/GMT+7'))
daily_data_df = data_df.loc[mask]

或者，

start_date_int = 1624466460500
end_date_int = 1624469402000

mask = ((data_df['created_GMT+7'] - pd.Timestamp("1970-01-01", tz='Etc/GMT+7')) // pd.Timedelta('1ms')).between(start_date_int, end_date_int)
daily_data_df = data_df.loc[mask]

结果： （使用上面的示例start_date_int 和end_date_int）

print(daily_data_df)

    created_time   updated_time       sys_time  last_action_time  account_id             created_GMT+7
2  1624469400000  1624455267579  1624455267579                 0         812 2021-06-23 10:30:00-07:00
3  1624466580000  1624466620020  1624466590321                 0         812 2021-06-23 09:43:00-07:00
4  1624466529000  1624466610222  1624466540086                 0         812 2021-06-23 09:42:09-07:00
5  1624466501000  1624466610270  1624466510212                 0         812 2021-06-23 09:41:41-07:00
6  1624466461000  1624466620149  1624466469825                 0         812 2021-06-23 09:41:01-07:00

【讨论】：