Форматирование дат с помощью Pandas [duplicate]

Question

Форматирование дат с помощью Pandas [duplicate]

я буду бросать, так как ни одно из настоящих решений не дает кортеж:

temp3 = tuple(set(temp1) - set(temp2))

альтернативно:

#edited using @Mark Byers idea. If you accept this one as answer, just accept his instead.
temp3 = tuple(x for x in temp1 if x not in set(temp2))

Как и другие неподдерживаемые ответы в этом направлении, он сохраняет порядок

53

python pandas data-cleaning string-to-datetime

задан W A Carnegie 8 October 2013 в 20:57

3 ответа

Если вы попытаетесь использовать:

df[DATE_FIELD]=(pd.to_datetime(df[DATE_FIELD],***unit='s'***))

и получите сообщение об ошибке:

"pandas.tslib.OutOfBoundsDatetime: невозможно преобразовать ввод с единицей '"

Это означает, что DATE_FIELD не указывается в секундах.

В моем случае это было миллисекунды - EPOCH time.

Преобразование работало следующим образом:
df[DATE_FIELD]=(pd.to_datetime(df[DATE_FIELD],unit='ms')) 

14

ответ дан CDspace 23 August 2018 в 00:49

Предполагая, что мы импортировали pandas, поскольку pd и df - наш dataframe

pd.to_datetime(df['date'],unit='s')

, этот код работал для меня

1

ответ дан sorak 23 August 2018 в 00:49

Другие вопросы по тегам:

python pandas data-cleaning string-to-datetime

Похожие вопросы:

score 114 · Accepted Answer

Кажется, что секунды с эпохи.

In [20]: df = DataFrame(data['values'])

In [21]: df.columns = ["date","price"]

In [22]: df
Out[22]: 
<class 'pandas.core.frame.DataFrame'>
Int64Index: 358 entries, 0 to 357
Data columns (total 2 columns):
date     358  non-null values
price    358  non-null values
dtypes: float64(1), int64(1)

In [23]: df.head()
Out[23]: 
         date  price
0  1349720105  12.08
1  1349806505  12.35
2  1349892905  12.15
3  1349979305  12.19
4  1350065705  12.15
In [25]: df['date'] = pd.to_datetime(df['date'],unit='s')

In [26]: df.head()
Out[26]: 
                 date  price
0 2012-10-08 18:15:05  12.08
1 2012-10-09 18:15:05  12.35
2 2012-10-10 18:15:05  12.15
3 2012-10-11 18:15:05  12.19
4 2012-10-12 18:15:05  12.15

In [27]: df.dtypes
Out[27]: 
date     datetime64[ns]
price           float64
dtype: object

114

ответ дан Jeff 23 August 2018 в 00:49

1

и в 0.13 вы сможете использовать date_unit, когда read_json: D – Andy Hayden 7 October 2013 в 19:46
2

Большой! Ваше решение имеет смысл. Pandas: Преобразование в timestamps проходит через это довольно хорошо и теперь я знаю о to_datetime. – W A Carnegie 7 October 2013 в 23:55
3

Еще один момент. Это не сработало для меня в 0,11, но отлично в 0,12+ – W A Carnegie 8 October 2013 в 10:33
4

yep ... не был включен в 0.11! – Jeff 8 October 2013 в 10:59
5

Это решение дает мне OverflowError: Python int too large to convert to C long. – if __name__ is None 15 September 2015 в 07:20