Question

我有一个包含unix次数和价格的数据框。我想转换索引列，以便在人类可读日期中显示。

例如，我在索引列中将date作为1349633705，但我希望它显示为10/07/2012（或至少10/07/2012 18:15）。

对于某些上下文，这里是我正在使用的代码以及我已经尝试过的代码：

import json
import urllib2
from datetime import datetime
response = urllib2.urlopen('http://blockchain.info/charts/market-price?&format=json')
data = json.load(response)   
df = DataFrame(data['values'])
df.columns = ["date","price"]
#convert dates 
df.date = df.date.apply(lambda d: datetime.strptime(d, "%Y-%m-%d"))
df.index = df.date

如你所见，我正在使用 df.date = df.date.apply(lambda d: datetime.strptime(d, "%Y-%m-%d"))这里不起作用，因为我使用的是整数，而不是字符串。我想我需要使用datetime.date.fromtimestamp，但我不太确定如何将其应用于整个df.date。

感谢。

Answer 1

这些似乎是自纪元以来的几秒钟。

In [20]: df = DataFrame(data['values'])

In [21]: df.columns = ["date","price"]

In [22]: df
Out[22]: 
<class 'pandas.core.frame.DataFrame'>
Int64Index: 358 entries, 0 to 357
Data columns (total 2 columns):
date     358  non-null values
price    358  non-null values
dtypes: float64(1), int64(1)

In [23]: df.head()
Out[23]: 
         date  price
0  1349720105  12.08
1  1349806505  12.35
2  1349892905  12.15
3  1349979305  12.19
4  1350065705  12.15
In [25]: df['date'] = pd.to_datetime(df['date'],unit='s')

In [26]: df.head()
Out[26]: 
                 date  price
0 2012-10-08 18:15:05  12.08
1 2012-10-09 18:15:05  12.35
2 2012-10-10 18:15:05  12.15
3 2012-10-11 18:15:05  12.19
4 2012-10-12 18:15:05  12.15

In [27]: df.dtypes
Out[27]: 
date     datetime64[ns]
price           float64
dtype: object

Answer 2

如果您尝试使用：

df[DATE_FIELD]=(pd.to_datetime(df[DATE_FIELD],***unit='s'***))

并收到错误：

“pandas.tslib.OutOfBoundsDatetime：无法将输入转换为单位''”

这意味着未在几秒钟内指定DATE_FIELD。

在我的情况下，它是毫秒 - EPOCH time。

转换工作如下：

df[DATE_FIELD]=(pd.to_datetime(df[DATE_FIELD],unit='ms'))

Answer 3

假设我们导入的pandas as pd和df是我们的数据框

pd.to_datetime(df['date'], unit='s')

适合我。

Answer 4

或者，通过更改上面的代码行：

# df.date = df.date.apply(lambda d: datetime.strptime(d, "%Y-%m-%d"))
df.date = df.date.apply(lambda d: datetime.datetime.fromtimestamp(int(d)).strftime('%Y-%m-%d'))

它也应该起作用。

将unix时间转换为pandas dataframe中的可读日期

4 个答案: