在 Python 中使用 pandas 和 datetime 从字符串中获取时间信息

Question

我正在为暑期学校做测试练习，这是我第一次接触 python。 据说，我可以通过以下代码获取我的时间信息：

import pandas as pd
from datetime import datetime

def print_time_range(times):
    print('Time from: {0}, to: {1}'.format(datetime.fromtimestamp(times.min()), datetime.fromtimestamp(times.max())))

train_likes_df = pd.read_csv('train_likes.csv')
print train_likes_df.shape
train_likes_df.head(3)
print_time_range(train_likes_df.time)

这会给我输出：

Time from: 2014-01-10 17:15:37, to: 2016-02-24 15:15:37.

类似这样的时间元素：1389733974.0。

但是我得到一个关于 pandas 的属性错误，声称没有这样的属性 time 我明白，time 是数据时间的方法，不能与 DataFrame 一起使用，但这就是我所理解的。我怎样才能让它全部工作？

Answer 1

我觉得你需要dt.time:

print_time_range(train_likes_df.time.dt.time)

你需要to_datetime和参数unit：

train_likes_df['time'] = pd.to_datetime(train_likes_df['time'], unit='s')

示例：

import pandas as pd
import io

temp=u"""user_id,item_id,channel,time
aa,bb,cc,1389733974
aa,bb,cc,1390459377"""
#after testing replace io.StringIO(temp) to filename
train_likes_df = pd.read_csv(io.StringIO(temp))

print (train_likes_df)
  user_id item_id channel        time
0      aa      bb      cc  1389733974
1      aa      bb      cc  1390459377

train_likes_df['time'] = pd.to_datetime(train_likes_df['time'], unit='s')
print (train_likes_df)
  user_id item_id channel                time
0      aa      bb      cc 2014-01-14 21:12:54
1      aa      bb      cc 2014-01-23 06:42:57

print (train_likes_df.time.dt.time)
0    21:12:54
1    06:42:57
Name: time, dtype: object

你的功能很好用：

from datetime import datetime
def print_time_range(times):
    print ('Time from: {0}, to: {1}'.format(datetime.fromtimestamp(times.min()), datetime.fromtimestamp(times.max())))

print_time_range(train_likes_df.time)
Time from: 2014-01-14 22:12:54, to: 2014-01-23 07:42:57

如果有keyerror，可能有一些空间，可以通过print (train_likes_df.columns)检查-time列有问题-有space：

import pandas as pd
import io

temp=u"""user_id,item_id,channel,time ,test
aa,bb,cc,1389733974,1
aa,bb,cc,1390459377,2"""
#after testing replace io.StringIO(temp) to filename
train_likes_df = pd.read_csv(io.StringIO(temp))

print (train_likes_df)
  user_id item_id channel       time   test
0      aa      bb      cc  1389733974     1
1      aa      bb      cc  1390459377     2

print (train_likes_df.columns)
Index(['user_id', 'item_id', 'channel', 'time ', 'test'], dtype='object')

您可以通过strip删除空格：

train_likes_df.columns = train_likes_df.columns.str.strip()

print (train_likes_df.columns)
Index(['user_id', 'item_id', 'channel', 'time', 'test'], dtype='object')

按文件编辑（我添加 .head() 仅过滤前 5 条记录以获得更好的输出）：

import pandas as pd

train_likes_df = pd.read_csv('train_likes.csv')
train_likes_df['time'] = pd.to_datetime(train_likes_df['time'], unit='s')

print (train_likes_df.head())
                            user_id                           item_id  \
0  612d8e8eef05acff3278c061ec10f704  7aa5d00445cb9d61d1739dd0df9a0a88   
1  71a7f1d1be96603971ba66e4a17e845c  5edaf734b432e5cc954a10b59cb97e70   
2  6eaa117728d50265e6b2ac24a80e04ae  8ad97d075fce19c2d182eb2a4539aa1c   
3  5d9db6ab742755197343505bccfad516  aa5f2ca699da42e467e550f9f071fb3f   
4  3000a163610654f1fa181e74136d2d35  8142d0e687c1c7a317ed9673db9f11a4   

                            channel                time  
0  1f0e3dad99908345f7439f8ffabdffc4 2014-01-14 21:12:54  
1  ec5decca5ed3d6b8079e2e7e7bacc9f2 2014-01-23 06:42:57  
2  98f13708210194c475687be6106a3b84 2014-01-30 06:39:23  
3  98f13708210194c475687be6106a3b84 2014-01-30 03:36:17  
4  c74d97b01eae257e44aa9d5bade97baf 2014-02-14 12:30:23  

print (train_likes_df.time.dt.time.head())
0    21:12:54
1    06:42:57
2    06:39:23
3    03:36:17
4    12:30:23
Name: time, dtype: object

Answer 2

一方面，您的错误与 datetime 模块 相关，另一方面，根据 github（今天），pandas branch 0.18.1 标有“BUG: More followups on to_datetime异常、外部参照 #13033 和core 显示“BUG: COMPAT:0.18 (...)”。

显然这是您的熊猫版本中的一个错误，您仍然可以在虚拟环境中使用另一个工作版本的熊猫（例如以前的版本），直到错误被修补。

最好的问候