pandas - 导出到 csv 时的 timedelta 格式松散 - 有解决方案吗？

Question

我有一个带有日期时间对象(包括 timedelta)的 Pandas Dataframe。当我创建 DF 时一切正常，但是当我将它导出到 csv 然后再次导入时，日期时间对象是字符串。

我尝试使用

pd.read_csv('xyz.csv',parse_dates=True)

导入时以及

df.to_csv('xyz.csv',date_format='%Y-%m-%d %H:%M:%S')

导出时。但它不起作用。

语境:
我创建了一个生成数据的程序，将它放入一个 Pandas DF 中，这些 DF 必须被存储，直到下次打开该程序为止。

所以我的问题是:是否有可能使用 CSV.format 来做到这一点？一般来说，导出 Pandas DF 以尽可能多地保留其属性的最佳格式是什么？
谢谢!

编辑:

数据样本:
这是 DF 中的一行(索引是日期时间对象)。列是“任务”(字符串格式)和“持续时间”(时间增量对象)。

2017-04-18 08:11:39|PyMC3_Book|0 天 00:24:49.919194

Answer 1

不是这样 read_csv s parse_dates参数工作

From the Docs :

解析日期 : bool 值或整数或名称列表或列表或字典列表，默认为 False

bool 值。如果为 True -> 尝试解析索引。

整数或名称列表。例如如果 [1, 2, 3] -> 尝试将第 1、2、3 列解析为单独的日期列。

列表列表。例如如果 [[1, 3]] -> 合并第 1 列和第 3 列并解析为
单个日期列。

字典，例如{‘foo’ : [1, 3]} -> 将第 1、3 列解析为日期并调用结果‘foo’

注意:iso8601 格式的日期存在快速路径。

所以它告诉我们 parse_dates=True仅尝试解析索引。否则，您需要传递一个列位置列表，指示需要解析为日期的列。

您可能想使用 converters显式处理这些列的字典
考虑以下 df

df = pd.DataFrame(dict(
        A=pd.to_datetime(['2017-01-01']),
        B=pd.to_timedelta([37], unit='s')
    ))

将其写入文件

df.to_csv('test.csv', index=None)

定义 converters字典

converters = dict(A=pd.to_datetime, B=pd.to_timedelta)
# in your case
# converters = dict(Duration=pd.to_timedelta)

读取csv

df = pd.read_csv('test.csv', converters=converters)

df

           A        B
0 2017-01-01 00:00:37

df.dtypes

A     datetime64[ns]
B    timedelta64[ns]
dtype: object