【发布时间】：2020-10-25 23:24:24
【问题描述】：
我有一个 pandas 数组，其中有一列包含 unix 时间戳时间，但我认为它以毫秒为单位，因为每次最后都有 3 个额外的 0。例如，第一个数据点是 1546300800000，它应该只是 1546300800。我需要将此列转换为可读时间，所以现在我有：
df = pd.read_csv('data.csv')
df['Time] = pd.to_datetime(df['Time'])
df.to_csv('data.csv', index=False)
它没有给我正确的时间，而是给了我 1970 年的时间。例如，1546300800000 给了我 1970-01-01 00:25:46.301100，而它应该是 2019-01-01 00:00:00。它对列中的每个时间戳执行此操作，超过 20K 行
【问题讨论】：
-
不要在时间戳中使用毫秒。错误的精确感（现在我们减少了 18 秒，或者“更好”的 18000 毫秒）。如果您需要毫秒精度，请不要使用时间戳
-
@GiacomoCatenazzi：为什么整数时间戳不能表示毫秒精度？
-
@MrFuppes：这只是错误的精确感。时间戳不是自纪元以来的第二个（并且从纪元开始的毫秒数要少得多）。以我的经验，它会产生隐藏的问题（或者应该实现谷歌“接近闰秒的慢时间）。更好地定义自己的起点和计数毫秒（因为它被科学地使用，通常基于 GPS 时间）。Unix 纪元适用于人类, GPS（或其他时间戳）实时。
-
@GiacomoCatenazzi：好的，这可能会让新手有点困惑^^顺便说一句。如果您在谈论闰涂和 GPS 时间，不应该是 accuracy 而不是精度吗？我的意思是，即使您的数据类型可以精确地表示某个时间（或 timedelta），它也可能不准确（例如系统错误）。
-
@MrFuppes：这取决于数据（例如证券交易所交易是可以的）。但是如果间隔包括闰秒，则时间增量可能是错误的，并且在闰秒期间，1000 个时间戳应该具有相同的值（因此一个纪元时间戳不会完全代表某个时间）。错误会出现在奇怪的地方：“不是唯一索引”（出于性能考虑，pandas 默认不检查），或者只是奇怪的统计结果（异常值）。
标签： python pandas datetime unix-timestamp