在熊猫中将毫秒设置为小时，最长 24 小时

Question

我有以下 DataFrame 总结了我在数据集中遇到的不同情况：

import pandas as pd
import numpy as np

df = pd.DataFrame({'date': [20120302, 20141017, 20150215], 
                   'time': [764, 17002, 110000517]}, dtype=np.uint64)

我在df.time 列中看到的数字是类似单位的，随着时间的推移而增加，直到接近240000000（例如，最后一个条目可能是235959281）。如您所想，它们加起来是 24 小时（一天）。

我想将两列合并形成一个 date_time 格式的 datetime64[ns] 列，以便我可以使用 pandas 进一步分析。

问题：

我可以加入它们（即将它们转换为 str），但我没有得到我想要的确切日期时间格式。当我加入他们时，我会得到这些值，例如：

20120302764
2014101717002
20150215110000517

我想得到：

2012-03-02 00:00:00.764

2014-10-17 00:00:17.002

2015-02-15 11:00:00.517

就我而言：

• 尝试使用pd.to_datetime() 直接转换失败，即使提供'%Y-%m-%d %H:%M:%S.%f' 格式。

• 我可以将timedelta64[ns] 对象与datetime64[ns] 连接起来形成最后一列。但是，使用 timedelta 转换的单位并没有给出真正的小时、分钟、秒和毫秒。

问题是： ¿如何从这些“类似单位”的数量中获取小时、分钟、秒和毫秒，以便我可以将其加入日期列以形成完整的 date_time？

Answer 1

import pandas as pd
import numpy as np

df = pd.DataFrame({'date': [20120302, 20141017, 20150215], 
                   'time': [764, 17002, 110000517]}, dtype=np.uint64)

df['date'] = pd.to_datetime(df['date'], format='%Y%m%d')

df['combined'] = df['date'] + pd.to_timedelta(df['time'], unit='ms')

print(df.head())

您尝试的问题是format 应该反映现有 数据的格式。你需要告诉pandas 如何阅读20120302。然后只需告诉Pandasto_timedelta 中的时间单位并将其添加到您的日期时间列中。

Answer 2

我会将其全部转换为字符串，就您而言，在时间列上使用zfill(9)，以便它们都有 9 位缺少零的数字，将它们全部连接在一起（日期和时间），然后使用pd.to_datetime 具有适当的格式：

df['datetime'] = pd.to_datetime(df.date.astype(str) + df.time.astype(str).str.zfill(9),
                                format='%Y%m%d%H%M%S%f')

>>> df
       date       time                datetime
0  20120302        764 2012-03-02 00:00:00.764
1  20141017      17002 2014-10-17 00:00:17.002
2  20150215  110000517 2015-02-15 11:00:00.517