同一系列的时间序列日期时间有两种格式，如何将它们更改为一种格式？答案

【问题标题】：There are two format of Time series datetime in the same series, how to change them to one format?同一系列的时间序列日期时间有两种格式，如何将它们更改为一种格式？
【发布时间】：2018-01-26 20:37:32
【问题描述】：

我想将时间序列分成两组：训练和测试。这是我的代码：

train = data.iloc[:1100]
test = data.iloc[1101:]

时间序列是这样的：

这是火车系列：没有时间，只有索引中的日期。

最后，测试：

如何将索引改为相同的形式？

【问题讨论】：

嗯，我认为如果相同的数据帧被 iloc 分隔，则只有没有 00:00:00 显示。所以不需要添加时间。

标签： python-2.7 pandas datetime timestamp time-series

【解决方案1】：

考虑简化系列s

s = pd.Series(1, pd.date_range('2010-08-16', periods=5, freq='12H'))

s

2010-08-16 00:00:00    1
2010-08-16 12:00:00    1
2010-08-17 00:00:00    1
2010-08-17 12:00:00    1
2010-08-18 00:00:00    1
Freq: 12H, dtype: int64

但是当我将s 子集化而只留下不需要时间元素的Timestamps 时，pandas 对我来说是一个“好处”，即无缘无故地不显示一堆零。

s.iloc[::2]

2010-08-16    1
2010-08-17    1
2010-08-18    1
Freq: 24H, dtype: int64

但请放心，值是一样的：

s.iloc[::2].index[0] == s.index[0]

True

并且具有相同的数据类型和精度

print(s.iloc[::2].index.values.dtype)

dtype('<M8[ns]')

和

print(s.index.values.dtype)

dtype('<M8[ns]')

【讨论】：

【解决方案2】：

我认为如果相同的数据框由iloc 分隔，则只有 00:00:00 显示。所以不需要添加时间，因为dtypes 都是DatetimeIndex。

mux = pd.MultiIndex.from_product([['GOOG'],
pd.DatetimeIndex(['2010-08-16 00:00:00',
                  '2010-08-17 00:00:00',
                  '2010-08-18 00:00:00',
                  '2010-08-19 00:00:00',
                  '2010-08-20 15:00:00'])], names=('Ticker','Date')) 

data = pd.Series(range(5), mux)
print (data)
Ticker  Date               
GOOG    2010-08-16 00:00:00    0
        2010-08-17 00:00:00    1
        2010-08-18 00:00:00    2
        2010-08-19 00:00:00    3
        2010-08-20 15:00:00    4

#splitting
train = data.iloc[:2]
test = data.iloc[2:]
print (train)
Ticker  Date      
GOOG    2010-08-16    0
        2010-08-17    1
dtype: int32

好像有提到piRSquared：

print (test)
Ticker  Date               
GOOG    2010-08-18 00:00:00    2
        2010-08-19 00:00:00    3
        2010-08-20 15:00:00    4
dtype: int32

#check if same dtypes
print (train.index.get_level_values('Date').dtype)
datetime64[ns]

print (test.index.get_level_values('Date').dtype)
datetime64[ns]

#if want see only times in test dataframes
m = test.index.get_level_values('Date').time != pd.to_datetime('2015-01-01').time()
only_times = test[m]
print (only_times)
Ticker  Date               
GOOG    2010-08-20 15:00:00    4
dtype: int32

【讨论】：