在 DataFrame 中将 Pandas 系列转换为 DateTime答案

【问题标题】：Convert Pandas Series to DateTime in a DataFrame在 DataFrame 中将 Pandas 系列转换为 DateTime
【发布时间】：2015-03-23 20:33:20
【问题描述】：

我有一个如下所示的 Pandas DataFrame

        ReviewID       ID      Type               TimeReviewed
205     76032930  51936827  ReportID 2015-01-15 00:05:27.513000
232     76032930  51936854  ReportID 2015-01-15 00:06:46.703000
233     76032930  51936855  ReportID 2015-01-15 00:06:56.707000
413     76032930  51937035  ReportID 2015-01-15 00:14:24.957000
565     76032930  51937188  ReportID 2015-01-15 00:23:07.220000

>>> type(df)
<class 'pandas.core.frame.DataFrame'>

TimeReviewed 是一个系列类型

>>> type(df.TimeReviewed)
<class 'pandas.core.series.Series'>

我在下面尝试过，但它仍然没有改变系列类型

import pandas as pd
review = pd.to_datetime(pd.Series(df.TimeReviewed))
>>> type(review)
<class 'pandas.core.series.Series'>

如何将 df.TimeReviewed 更改为 DateTime 类型并分别提取年、月、日、小时、分钟、秒？我对python有点陌生，感谢您的帮助。

【问题讨论】：

标签： python datetime pandas dataframe

【解决方案1】：

您不能：根据定义，DataFrame 列是 Series。也就是说，如果您使dtype（所有元素的类型）类似于日期时间，那么您可以通过.dt 访问器（docs）访问您想要的数量：

>>> df["TimeReviewed"] = pd.to_datetime(df["TimeReviewed"])
>>> df["TimeReviewed"]
205  76032930   2015-01-24 00:05:27.513000
232  76032930   2015-01-24 00:06:46.703000
233  76032930   2015-01-24 00:06:56.707000
413  76032930   2015-01-24 00:14:24.957000
565  76032930   2015-01-24 00:23:07.220000
Name: TimeReviewed, dtype: datetime64[ns]
>>> df["TimeReviewed"].dt
<pandas.tseries.common.DatetimeProperties object at 0xb10da60c>
>>> df["TimeReviewed"].dt.year
205  76032930    2015
232  76032930    2015
233  76032930    2015
413  76032930    2015
565  76032930    2015
dtype: int64
>>> df["TimeReviewed"].dt.month
205  76032930    1
232  76032930    1
233  76032930    1
413  76032930    1
565  76032930    1
dtype: int64
>>> df["TimeReviewed"].dt.minute
205  76032930     5
232  76032930     6
233  76032930     6
413  76032930    14
565  76032930    23
dtype: int64

如果您在使用旧版本的 pandas 时遇到问题，您可以随时手动访问各种元素（同样，在将其转换为 datetime-dtyped 系列之后）。它会更慢，但有时这不是问题：

>>> df["TimeReviewed"].apply(lambda x: x.year)
205  76032930    2015
232  76032930    2015
233  76032930    2015
413  76032930    2015
565  76032930    2015
Name: TimeReviewed, dtype: int64

【讨论】：

我无法使用 .dt 它给我一个错误：AttributeError: 'Series' object has no attribute 'dt'
@user3596895：您可能使用的是旧版本的熊猫。 print(pd.version.version) 给了什么？
@user3596895：那么是时候升级了。 :-)
我明白了，我正在使用visual studio python 工具导入pandas，将查找如何更新我的pandas 版本，谢谢！

【解决方案2】：

df=pd.read_csv("filename.csv" , parse_dates=["<column name>"])

type(df.<column name>)

示例：如果您想将最初是字符串的日期转换为 Pandas 中的时间戳

df=pd.read_csv("weather_data2.csv" , parse_dates=["day"])

type(df.day)

输出将是pandas.tslib.Timestamp

【讨论】：

嗨，如果我必须解析两列的日期怎么办？我尝试过的任何方法似乎都不起作用。

【解决方案3】：

一些方便的脚本：

hour = df['assess_time'].dt.hour.values[0]

【讨论】：