Python pandas ganze Zahl JJJJMMTT, datetime

Entschuldigen uns im Voraus für diese, aber nach zwei Stunden suchen und versuchen, ich kann nicht die richtige Antwort hier. Ich habe einen Daten-frame, bevölkert über pandas io-sql.read_frame().
Die Spalte, erweist sich als zu viel für mich ist der dtype int64. Die ganzen zahlen das format YYYYMMDD. zum Beispiel 20070530 - 30 Mai 2007. Ich habe versucht eine Reihe von Ansätzen, die sich am deutlichsten;

pd.to_datetime(dt['Date']) und pd.to_datetime(str(dt['Date']))

mit mehreren Variationen auf die Funktionen, die verschiedene Parameter.

Das Ergebnis ist, im besten Fall, dass das Datum interpretiert als die Zeit. Das Datum ist festgelegt 1970-01-01 - Ergebnis nach oben Beispiel 1970-01-01 00:00:00.020070530

Ich habe auch versucht, verschiedene .map() Funktionen, die in ähnlich Beiträge.

Habe ich bemerkt, dass nach np.date_range() interpretieren kann, die string-Werte im format YYYYMMDDaber das ist das nächste ich bin gekommen, um zu sehen, eine Lösung.

Wenn jemand eine Antwort hat wäre ich sehr dankbar!

EDIT: In Anbetracht der Antwort von Ed-Chum, das problem ist wahrscheinlich im Zusammenhang mit der Kodierung. rep() auf eine Teilmenge der dataFrame ergibt:

OrdNo LstInvDt\n0

9 20070620\n1

11 20070830\n2

19 20070719\n3

21 20070719\n4

23 20070719\n5

26 20070911\n7

29 20070918\n8

31 0070816\n9

34 20070925\n10

Dies ist, wenn LstInvDt ist dtype int64.

InformationsquelleAutor der Frage Rookie | 2014-12-16

  1. 32

    to_datetime akzeptiert eine format-string:

    In [92]:

t = 20070530
pd.to_datetime(str(t), format='%Y%m%d')
Out[92]:
Timestamp('2007-05-30 00:00:00')

    Beispiel:

    In [94]:

t = 20070530
df = pd.DataFrame({'date':[t]*10})
df
Out[94]:
       date
0  20070530
1  20070530
2  20070530
3  20070530
4  20070530
5  20070530
6  20070530
7  20070530
8  20070530
9  20070530
In [98]:

df['DateTime'] = df['date'].apply(lambda x: pd.to_datetime(str(x), format='%Y%m%d'))
df
Out[98]:
       date   DateTime
0  20070530 2007-05-30
1  20070530 2007-05-30
2  20070530 2007-05-30
3  20070530 2007-05-30
4  20070530 2007-05-30
5  20070530 2007-05-30
6  20070530 2007-05-30
7  20070530 2007-05-30
8  20070530 2007-05-30
9  20070530 2007-05-30
In [99]:

df.dtypes
Out[99]:
date                 int64
DateTime    datetime64[ns]
dtype: object

    BEARBEITEN

    Tatsächlich, es ist schneller, konvertieren Sie den Typ auf string konvertieren und dann die gesamte Serie in einen datetime-eher als Aufruf gelten, die auf jeden Wert:

    In [102]:

df['DateTime'] = pd.to_datetime(df['date'].astype(str), format='%Y%m%d')
df
Out[102]:
       date   DateTime
0  20070530 2007-05-30
1  20070530 2007-05-30
2  20070530 2007-05-30
3  20070530 2007-05-30
4  20070530 2007-05-30
5  20070530 2007-05-30
6  20070530 2007-05-30
7  20070530 2007-05-30
8  20070530 2007-05-30
9  20070530 2007-05-30

    timings

    In [104]:

%timeit df['date'].apply(lambda x: pd.to_datetime(str(x), format='%Y%m%d'))

100 loops, best of 3: 2.55 ms per loop
In [105]:

%timeit pd.to_datetime(df['date'].astype(str), format='%Y%m%d')
1000 loops, best of 3: 396 µs per loop

    InformationsquelleAutor der Antwort EdChum

Schreibe einen Kommentar