Самый быстрый и простой способ сделать это - переопределить единицу времени или изменить формат с:
df['IDENTIFY_DATE'] = df.IDENTIFY_DATE.astype(
'datetime64[ns]'
на:
df['IDENTIFY_DATE'] = df.IDENTIFY_DATE.astype(
'datetime64[s]'
unit: string, default ' ns ': единица измерения arg (D, s, ms, us, ns) обозначает единицу, которая является целым числом или числом с плавающей запятой. Это будет основано на происхождении. Например, при использовании unit = ’ms’ и origin = ’unix’ (по умолчанию) это вычислит количество миллисекунд до начала эпохи unix.
Или измените формат
df['IDENTIFY_DATE'] = df.IDENTIFY_DATE.astype(
format=“%d/%m/%Y %H:%M”, note that “%f” will parse all the way up to nanoseconds.'
Формат: строка, по умолчанию Нет. Strftime для анализа времени, например, «% d /% m /% Y», обратите внимание, что «% f» будет анализироваться полностью до наносекунд.
Через: https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.to_datetime.html
Также полезно: http: //strftime.org/
Я не уверен, что вы можете сделать это так, как вам нужно.
Один из способов - это скрипт версии компоновщика, как вы упомянули. Другой способ - добавить в исходный код __attribute__ ((visibility("default")))
для того, что вы хотите экспортировать, и компилировать все с -fvisibility=hidden
У readelf и objdump есть много опций. Как насчет:
readelf --symbols --use-dynamic $yourlib.so