如何将 unix 纪元转换为高度准确的时间戳 [pandas]？答案

【问题标题】：How to convert a unix epoch to highly accurate timestamp [pandas]?如何将 unix 纪元转换为高度准确的时间戳 [pandas]？
【发布时间】：2019-09-14 22:25:08
【问题描述】：

我有一个带有 unix 纪元的时间序列，我想将其转换为格式为 '%Y-%m-%d %H:%M:%S.%f' 的时间。

当我使用时

   pd.to_datetime(data['Time'],format='%Y-%m-%d %H:%M:%S.%f')

我得到的日期大约是 1970-01-01 00:23:03.270，这是不正确的（因为我的数据的实时时间大约是 2013-11-01）当我尝试

   pd.to_datetime(data['Time'],unit='ms')

我有正确的日期，但我没有纳米精度。另一方面，当我结合单位和格式时，例如

   pd.to_datetime(data['Time'],unit='ms',format='%Y-%m-%d %H:%M:%S.%f')

我收到一个代码错误，提示“无法同时指定格式和单位”。

你知道如何解决这个问题吗？

【问题讨论】：

改用pd.to_datetime(data['Time'], unit='s')？
错误：不能用单位's'转换1383260000000.0
您的Time 列是什么样的？请发布此data['Time'].head() 的输出
它看起来像这样Float64Index（[1383260000000.0，1383260000000.0，1383260000000.0，1383260000000.0，1383260000000.0，1383260000000.0，1383260000000.0，1383260000000.0，1383260000000.0，1383260000000.0，... 1383340000000.0，1383340000000.0，1383340000000.0，1383340000000.0，1383340000000.0，1383340000000.0， 1383340000000.0, 1383340000000.0, 1383340000000.0, 1383340000000.0], dtype='float64', name='Time', length=1048576)

标签： pandas datetime timestamp time-series

【解决方案1】：

尝试与astype 结合使用？

pd.to_datetime(data['time'].astype(float)/1e9, unit='ms')

【讨论】：

它提供了所需的准确性，但仍然给出了错误的日期 (1970-01-01)

【解决方案2】：

您的一些示例数据作为数据框称为df：

            Time
0   1.383260e+12
1   1.383260e+12
2   1.383260e+12
3   1.383260e+12
4   1.383260e+12
5   1.383260e+12
6   1.383260e+12
7   1.383260e+12
8   1.383260e+12
9   1.383260e+12
10  1.383340e+12
11  1.383340e+12
12  1.383340e+12
13  1.383340e+12
14  1.383340e+12
15  1.383340e+12
16  1.383340e+12
17  1.383340e+12
18  1.383340e+12
19  1.383340e+12

转换为datetime 对象，然后设置您想要的格式：

pd.to_datetime(df.Time, unit='ms').dt.strftime('%Y-%m-%d %H:%M:%S.%f')

这给出了：

0     2013-10-31 22:53:20.000000
1     2013-10-31 22:53:20.000000
2     2013-10-31 22:53:20.000000
3     2013-10-31 22:53:20.000000
4     2013-10-31 22:53:20.000000
5     2013-10-31 22:53:20.000000
6     2013-10-31 22:53:20.000000
7     2013-10-31 22:53:20.000000
8     2013-10-31 22:53:20.000000
9     2013-10-31 22:53:20.000000
10    2013-11-01 21:06:40.000000
11    2013-11-01 21:06:40.000000
12    2013-11-01 21:06:40.000000
13    2013-11-01 21:06:40.000000
14    2013-11-01 21:06:40.000000
15    2013-11-01 21:06:40.000000
16    2013-11-01 21:06:40.000000
17    2013-11-01 21:06:40.000000
18    2013-11-01 21:06:40.000000
19    2013-11-01 21:06:40.000000

【讨论】：