我正在尝试将Pandas系列纪元时间戳转换为人类可读的时间。至少有两种明显的方法可以做到这一点:pd.DatetimeIndex
和pd.to_datetime()
。他们似乎以完全不同的方式工作:
In [1]: import pandas as pd
In [3]: nanos = pd.Series([1462282258000000000, 1462282258100000000, 1462282258200000000])
In [4]: pd.to_datetime(nanos)
Out[4]:
0 2016-05-03 13:30:58.000
1 2016-05-03 13:30:58.100
2 2016-05-03 13:30:58.200
dtype: datetime64[ns]
In [5]: pd.DatetimeIndex(nanos)
Out[5]:
DatetimeIndex([ '2016-05-03 13:30:58', '2016-05-03 13:30:58.100000',
'2016-05-03 13:30:58.200000'],
dtype='datetime64[ns]', freq=None)
使用to_datetime()
时,显示分辨率为毫秒,.000
整秒打印。使用DatetimeIndex
,显示分辨率为微秒(我喜欢),但小数部分在整个秒内完全省略。
然后,尝试转换时区:
In [12]: pd.DatetimeIndex(nanos).tz_localize('UTC')
Out[12]:
DatetimeIndex([ '2016-05-03 13:30:58+00:00',
'2016-05-03 13:30:58.100000+00:00',
'2016-05-03 13:30:58.200000+00:00'],
dtype='datetime64[ns, UTC]', freq=None)
In [13]: pd.to_datetime(nanos).tz_localize('UTC')
TypeError: index is not a valid DatetimeIndex or PeriodIndex
这很奇怪:时区函数不适用于普通的日期时间系列,只能使用DatetimeIndex。那为什么会这样? tz_localize()
方法存在并在此处记录:http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.tz_localize.html
我尝试过Pandas 0.17.0和0.18.1,结果相同。
我不是要创建一个实际的索引,所以其他所有相同我都希望使用to_datetime()
- 我只是无法使用时区方法来处理它。
答案 0 :(得分:3)
有一种方法可以转换内容, from selenium import webdriver
from selenium.webdriver.common.keys import Keys
import time
driver = webdriver.PhantomJS()
driver.get(url)
time.sleep(5)
driver.execute_script("ok = $.get("+get_url+")") #get_url same domain as url
print driver.execute_script("return ok.responseText")
driver.close()
,是的,您可以直接构建pd.to_datetime()
,但它是有目的的限制,而DatetimeIndex
非常灵活。
所以to_datetime
会给你一个类似于你输入内容的对象,如果你输入类似数组,那么你会得到一个to_datetime
,输入DatetimeIndex
你会得到一个Series
。
Series
默认情况下,它将使用In [5]: nanos = [1462282258000000000, 1462282258100000000, 1462282258200000000]
转换为
unit='ns'
所以我们可以做的一件事是制作一个系列。这里的索引是INTEGER,值是日期时间。
In [7]: pd.to_datetime(nanos)
Out[7]: DatetimeIndex(['2016-05-03 13:30:58', '2016-05-03 13:30:58.100000', '2016-05-03 13:30:58.200000'], dtype='datetime64[ns]', freq=None)
然后,您可以使用In [10]: s = Series(pd.to_datetime(nanos))
In [11]: s
Out[11]:
0 2016-05-03 13:30:58.000
1 2016-05-03 13:30:58.100
2 2016-05-03 13:30:58.200
dtype: datetime64[ns]
访问者操作值。 .dt
对索引进行操作。
Series.tz_localize