python - Pandas:向表示日期的长整数添加 0

Question

我正在尝试将 csv 导入 panda。该 csv 包含如下数据列(例如):

20170607155749330:(年/月/日/小时/分钟/秒/十分秒/厘秒/毫秒)。所以有 17 个数字代表日期。

我遇到的问题是，对于这个特定的数据集，某些行的日期精度不同，例如:2017060715581995:这里只有 16 个数字，因为缺少毫秒。

我想做的很简单:通过在其中一个缺失时添加 0，以最终得到 17 位数字的方式转换每一行的每个日期。

这是我为此编写的函数:

def convert_value(val):
   return ('{:0<17}'.format(val))

因此，我尝试通过创建一个新列将其应用到每一行，例如:

file_temp['Time_Transformed'] = file_temp.apply( lambda x: convert_value(x["TIME"]) , axis =1)

我面临两个问题:

1. 首先，新创建的列不是整数，而是对象类型；
2. 其次，它不起作用，0 不会添加到较短的日期。

我尝试了各种其他方法，将原始数据转换为字符串，但它们也不起作用。

Answer 1

我认为你需要astype与 str.ljust :

df = pd.DataFrame({'A':[20170607155749330,20170607155749]})

df['new'] = df['A'].astype(str).str.ljust(17, '0').astype('int64')
print (df)
                   A                new
0  20170607155749330  20170607155749330
1     20170607155749  20170607155749000

对于日期时间:

df['date'] = pd.to_datetime(df['A'].astype(str).str.ljust(17, '0'), format='%Y%m%d%M%S%f')
print (df)
                   A                       date
0  20170607155749330 2017-06-07 00:15:57.493300
1     20170607155749 2017-06-07 00:15:57.490000

等同于:

df['date'] = pd.to_datetime(df['A'], format='%Y%m%d%M%S%f')
print (df)
                   A                       date
0  20170607155749330 2017-06-07 00:15:57.493300
1     20170607155749 2017-06-07 00:15:57.490000