在python中将时间戳转换为日期对象时出现问题[重复]

AnnieH • 4 年前 • 971 次点击

我有一个包含Unix时间和价格的数据框架。我想转换索引列,以便它以人类可读的日期显示。

例如我有 date 作为 1349633705 在索引列中,但我希望它显示为 10/07/2012 (或至少 10/07/2012 18:15 )

对于某些上下文,下面是我正在使用的代码以及我已经尝试过的代码:

import json
import urllib2
from datetime import datetime
response = urllib2.urlopen('http://blockchain.info/charts/market-price?&format=json')
data = json.load(response)   
df = DataFrame(data['values'])
df.columns = ["date","price"]
#convert dates 
df.date = df.date.apply(lambda d: datetime.strptime(d, "%Y-%m-%d"))
df.index = df.date

如你所见,我正在使用 df.date = df.date.apply(lambda d: datetime.strptime(d, "%Y-%m-%d")) 这里它不起作用,因为我是在处理整数,而不是字符串。我想我需要用 datetime.date.fromtimestamp 但我不太确定如何将其应用于 df.date .

谢谢。

Python社区是高质量的Python/Django开发社区
本文地址：http://www.python88.com/topic/38309

971 次点击

文章 [ 4 ] | 最新文章 4 年前

• 1 楼

bakka 5 年前

或者,通过更改上述代码行:

# df.date = df.date.apply(lambda d: datetime.strptime(d, "%Y-%m-%d"))
df.date = df.date.apply(lambda d: datetime.datetime.fromtimestamp(int(d)).strftime('%Y-%m-%d'))

它也应该起作用。

• 2 楼

Michael Dorner fahim reza 5 年前

假设我们进口 pandas as pd 和 df 是我们的数据框架

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

为我工作。

• 3 楼

CDspace Sandesh 6 年前

如果您尝试使用:

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

并接收错误:

“pandas.tslib.outofboundsDateTime:无法用单位“s”转换输入。”

这意味着 DATE_FIELD 未以秒为单位指定。

就我而言,是毫秒- EPOCH time .

转换的工作方式如下:

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

• 4 楼

Jeff 10 年前

这似乎是从新纪元以来的几秒钟。

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

登录后回复