python - 为什么 Python pandas 将任意时间信息分配给 datetime 对象？

Question

Python pandas (0.24.1) 向我的日期时间对象添加看似任意数量的小时、分钟和秒。作为默认行为，这似乎出乎意料；我希望时间组件默认为午夜 (00:00:00)。这是错误吗？

import pandas as pd

df = pd.DataFrame( {'yr': [2019, 2019],
                    'mo': [9, 9],
                    'dy': [25, 26]}     )

df['dtime'] = ( pd.to_datetime(df['yr'],format='%Y')
               +pd.to_timedelta(df['mo']-1,unit='M')
               +pd.to_timedelta(df['dy']-1,unit='d') )


print('pandas version == '+pd.__version__)
df

################################################
OUTPUT:
################################################

pandas version == 0.24.1
yr  mo  dy  dtime
0   2019    9   25  2019-09-25 11:52:48
1   2019    9   26  2019-09-26 11:52:48

Answer 1

问题在于转换月份，这里使用 'rounded' 年(因为闰年)并除以 12 得到 'rounded'月份:

print (pd.to_timedelta(365.2425, unit='d') / 12)
30 days 10:29:06

print (pd.to_timedelta(1, unit='M'))
30 days 10:29:06

print (pd.to_timedelta(df['mo']-1,unit='M'))
0   243 days 11:52:48
1   243 days 11:52:48
Name: mo, dtype: timedelta64[ns]

更好的解决方案是使用 to_datetime使用 year、monht 和 day 列，如有必要，使用 list(d.values()) 按子集过滤它>(如果真实数据中的另一列):

d = {'yr':'year', 'mo':'month', 'dy':'day'}
df['dtime'] = pd.to_datetime(df.rename(columns=d)[list(d.values())])

print (df)
     yr  mo  dy      dtime
0  2019   9  25 2019-09-25
1  2019   9  26 2019-09-26