- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在使用 python 3.5.2、pandas 0.18.1 和 sqlite3。
在我的数据库中,我有一个列 unix_time
和 INT
自 1970 年以来的秒数。理想情况下我想从 sqlite 读取我的数据帧,然后创建一个 time
列对应于 datetime
或 pandas.tslib.Timestamp
转换,我将只使用 unix_time
列进行一些处理,然后在保存数据帧之前删除。
问题是当解析 unix_time
列时使用:
df = pd.read_from_sql_query("SELECT * FROM test", con, parse_dates=['unix_time'])
我获得了适合我处理的 pandas.tslib.Timestamp
类型,但是我必须使用以下方法重新创建我原来的 unix_time
列:
df['unix_time'][i] = (df['unix_time'][i] - datetime(1970,1,1)).total_seconds()
这真的很“脏”
第一个问题:你有更好的方法吗?
我考虑过放弃 unix 时间格式,只使用 datetime
格式,但 pandas 的 to_datetime
方法实际上返回 pandas.tslib.Timestamp
... 无论如何,这样做会迫使我遍历所有行,这是一个糟糕的解决方案。 (不可能将 to_datetime
应用于除数据框单个单元格 View 之外的其他内容
第二个问题:是否可以套用在系列上?
我最后一次尝试是直接使用 df['time'] = datetime.datetime.fromtimestamp(df['unix_time'])
但令人惊讶的是,它还返回了 pandas.tslib。时间戳
。
最后,知道我只能保存 unix 时间戳或日期时间,目前我唯一的选择是:
解析但随后必须将它们转换回 unix 时间戳一个。
或者不解析它但必须将它们转换为 pandas.tslib.Timestamp
一个一个。
如果我能转换整个系列就太好了。
最后一个问题:有没有办法将 unix 时间戳系列转换为 datetime
(或至少 pandas.tslib.Timestamp
),或 pandas.tslib.Timestamp
(或 datetime
)系列到 unix 时间戳?
谢谢
编辑:在我的处理过程中,我提取了一行我想附加到我的数据集。显然,从 dataframe 传递到 serie 时,对 pandas.tslib.Timestamp
的覆盖会隐式附加:
df = pd.DataFrame({'UNX':pd.date_range('2016-01-01', freq='9999S', periods=10).astype(np.int64)//10**9})
df['Date'] = pd.to_datetime(df.UNX, unit='s')
print(df.Date.dtypes)
print(type(df['Date'][0]))
test = df.iloc[0]
print(type(test.Date))
new_df = test.to_frame().transpose() #from here, impossible to do : new_df.to_sql("test", con) because the type for 'Date' is not supported
print(new_df.Date.dtypes)
返回
datetime64[ns]
<class 'pandas.tslib.Timestamp'>
<class 'pandas.tslib.Timestamp'>
object
有没有办法将 new_df
中的“日期”从 pandas.tslib.Timestamp
转换为 datetime64[ns]
或 datetime.datetime
(或简称为 str
)?
最佳答案
IIUC 你可以这样做:
In [96]: df = pd.DataFrame({'UNX':pd.date_range('2016-01-01', freq='9999S', periods=10).astype(np.int64)//10**9})
In [97]: df
Out[97]:
UNX
0 1451606400
1 1451616399
2 1451626398
3 1451636397
4 1451646396
5 1451656395
6 1451666394
7 1451676393
8 1451686392
9 1451696391
将 UNIX 纪元转换为 Python 日期时间:
In [98]: df['Date'] = pd.to_datetime(df.UNX, unit='s')
In [99]: df
Out[99]:
UNX Date
0 1451606400 2016-01-01 00:00:00
1 1451616399 2016-01-01 02:46:39
2 1451626398 2016-01-01 05:33:18
3 1451636397 2016-01-01 08:19:57
4 1451646396 2016-01-01 11:06:36
5 1451656395 2016-01-01 13:53:15
6 1451666394 2016-01-01 16:39:54
7 1451676393 2016-01-01 19:26:33
8 1451686392 2016-01-01 22:13:12
9 1451696391 2016-01-02 00:59:51
将 datetime
转换为 UNIX 纪元:
In [100]: df['UNX2'] = df.Date.astype('int64')//10**9
In [101]: df
Out[101]:
UNX Date UNX2
0 1451606400 2016-01-01 00:00:00 1451606400
1 1451616399 2016-01-01 02:46:39 1451616399
2 1451626398 2016-01-01 05:33:18 1451626398
3 1451636397 2016-01-01 08:19:57 1451636397
4 1451646396 2016-01-01 11:06:36 1451646396
5 1451656395 2016-01-01 13:53:15 1451656395
6 1451666394 2016-01-01 16:39:54 1451666394
7 1451676393 2016-01-01 19:26:33 1451676393
8 1451686392 2016-01-01 22:13:12 1451686392
9 1451696391 2016-01-02 00:59:51 1451696391
检查:
In [102]: df.UNX.eq(df.UNX2).all()
Out[102]: True
关于python - 将(来回)UNIX 时间戳转换为 pandas.tslib.Timestamp 和系列的日期时间,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/40591693/
pandas.crosstab 和 Pandas 数据透视表似乎都提供了完全相同的功能。有什么不同吗? 最佳答案 pivot_table没有 normalize争论,不幸的是。 在 crosstab
我能找到的最接近的答案似乎太复杂:How I can create an interval column in pandas? 如果我有一个如下所示的 pandas 数据框: +-------+ |
这是我用来将某一行的一列值移动到同一行的另一列的当前代码: #Move 2014/15 column ValB to column ValA df.loc[(df.Survey_year == 201
我有一个以下格式的 Pandas 数据框: df = pd.DataFrame({'a' : [0,1,2,3,4,5,6], 'b' : [-0.5, 0.0, 1.0, 1.2, 1.4,
所以我有这两个数据框,我想得到一个新的数据框,它由两个数据框的行的克罗内克积组成。正确的做法是什么? 举个例子:数据框1 c1 c2 0 10 100 1 11 110 2 12
TL;DR:在 pandas 中,如何绘制条形图以使其 x 轴刻度标签看起来像折线图? 我制作了一个间隔均匀的时间序列(每天一个项目),并且可以像这样很好地绘制它: intensity[350:450
我有以下两个时间列,“Time1”和“Time2”。我必须计算 Pandas 中的“差异”列,即 (Time2-Time1): Time1 Time2
从这个 df 去的正确方法是什么: >>> df=pd.DataFrame({'a':['jeff','bob','jill'], 'b':['bob','jeff','mike']}) >>> df
我想按周从 Pandas 框架中的列中累积计算唯一值。例如,假设我有这样的数据: df = pd.DataFrame({'user_id':[1,1,1,2,2,2],'week':[1,1,2,1,
数据透视表的表示形式看起来不像我在寻找的东西,更具体地说,结果行的顺序。 我不知道如何以正确的方式进行更改。 df示例: test_df = pd.DataFrame({'name':['name_1
我有一个数据框,如下所示。 Category Actual Predicted 1 1 1 1 0
我有一个 df,如下所示。 df: ID open_date limit 1 2020-06-03 100 1 2020-06-23 500
我有一个 df ,其中包含与唯一值关联的各种字符串。对于这些唯一值,我想删除不等于单独列表的行,最后一行除外。 下面使用 Label 中的各种字符串值与 Item 相关联.所以对于每个唯一的 Item
考虑以下具有相同名称的列的数据框(显然,这确实发生了,目前我有一个像这样的数据集!:() >>> df = pd.DataFrame({"a":range(10,15),"b":range(5,10)
我在 Pandas 中有一个 DF,它看起来像: Letters Numbers A 1 A 3 A 2 A 1 B 1 B 2
如何减去两列之间的时间并将其转换为分钟 Date Time Ordered Time Delivered 0 1/11/19 9:25:00 am 10:58:00 am
我试图理解 pandas 中的下/上百分位数计算,但有点困惑。这是它的示例代码和输出。 test = pd.Series([7, 15, 36, 39, 40, 41]) test.describe(
我有一个多索引数据框,如下所示: TQ bought HT Detailed Instru
我需要从包含值“低”,“中”或“高”的数据框列创建直方图。当我尝试执行通常的df.column.hist()时,出现以下错误。 ex3.Severity.value_counts() Out[85]:
我试图根据另一列的长度对一列进行子串,但结果集是 NaN .我究竟做错了什么? import pandas as pd df = pd.DataFrame([['abcdefghi','xyz'],
我是一名优秀的程序员,十分优秀!