Question

Python 3.6.0

我正在导入一个带有Unix时间戳的文件我将它们转换为Pandas日期时间并且舍入到10分钟（12：00,12：10,12：20，......）

数据是在指定的时间段内收集的，但是来自不同的日期对于我们的分析，我们希望在进行重新采样之前将所有日期更改为相同的日期。

目前我们有一个reduce_to_date，它是所有日期的目标。

current_date = pd.to_datetime('2017-04-05')  #This will later be dynamic
reduce_to_date = current_date - pd.DateOffset(days=7)

我试图找到一种简单的方法来改变系列中的日期而不改变时间我试图避免使用.strftime()进行冗长的转换。

我几乎解决的一种方法是将reduce_to_date和df['Timestamp']差异添加到df['Timestamp']。但是，我试图使用.date()函数，它只适用于单个元素，而不适用于系列。

GOOD！

passed_df['Timestamp'][0] = passed_df['Timestamp'][0] + (reduce_to_date.date() - passed_df['Timestamp'][0].date())

不好

passed_df['Timestamp'][:] = passed_df['Timestamp'][:] + (reduce_to_date.date() - passed_df['Timestamp'][:].date())

属性错误：＆＃39;系列＆＃39;对象没有属性＆＃39; date＆＃39;

我可以使用循环：

x=1
for line in passed_df['Timestamp']:
    passed_df['Timestamp'][x] = line + (reduce_to_date.date() - line.date())
    x+=1

但这会引发警告：

C：\ Users \ elx65i5 \ Documents \ Lightweight Logging \ newmain.py:60:SettingWithCopyWarning：尝试在DataFrame的切片副本上设置值请参阅文档中的警告：http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy

目标是让所有日期保持不变，但保留原始时间如果我们可以简单地指定更换日期，那就太好了如果我们可以使用数学并根据时间增量改变每个日期，同样如此我们可以在不使用.strftime（）或冗长的过程的情况下以矢量化的方式实现这一目标吗？

Answer 1

我认为您需要转换df['Timestamp'].dt.date to_datetime，因为date的输出为python date object，而不是pandas datetime object：

df=pd.DataFrame({'Timestamp':pd.to_datetime(['2017-04-05 15:21:03','2017-04-05 19:10:52'])})
print (df)
            Timestamp
0 2017-04-05 15:21:03
1 2017-04-05 19:10:52

current_date = pd.to_datetime('2017-04-05')
reduce_to_date = current_date - pd.DateOffset(days=7)

df['Timestamp'] = df['Timestamp'] - reduce_to_date + pd.to_datetime(df['Timestamp'].dt.date)
print (df)
            Timestamp
0 2017-04-12 15:21:03
1 2017-04-12 19:10:52

Answer 2

如果我理解正确，你可以简单地减去一个偏移量

passed_df['Timestamp'] -=  pd.offsets.Day(7)

演示

passed_df=pd.DataFrame(dict(
        Timestamp=pd.to_datetime(['2017-04-05 15:21:03', '2017-04-05 19:10:52'])
    ))

# Make sure your `Timestamp` column is datetime.
# Mine is because I constructed it that way.
# Use
# passed_df['Timestamp'] = pd.to_datetime(passed_df['Timestamp'])

passed_df['Timestamp'] -=  pd.offsets.Day(7)

print(passed_df)

            Timestamp
0 2017-03-29 15:21:03
1 2017-03-29 19:10:52

使用strftime
虽然这不是理想的，但我想说明一点，你绝对可以使用strftime。如果您的列是日期时间，则可以通过strftime日期访问者dt使用dt.strftime。您可以创建一个动态列，在其中指定目标日期，如下所示：

pd.to_datetime(passed_df.Timestamp.dt.strftime('{} %H:%M:%S'.format('2017-03-29')))

0   2017-03-29 15:21:03
1   2017-03-29 19:10:52
Name: Timestamp, dtype: datetime64[ns]

Answer 3

在此处进一步添加其他解决方案。您可以使用.dt.round和freq = "10T"参数进行四舍五入到10分钟的舍入。

df=pd.DataFrame({'Timestamp':pd.to_datetime(['2017-04-05 15:21:03','2017-04-05 19:10:52'])})

df['Timestamp'] -=  pd.offsets.Day(7)

df['Timestamp'] = df.Timestamp.dt.round(freq='10T')
print(df)


            Timestamp
0 2017-03-29 15:20:00
1 2017-03-29 19:10:00

如何在数据框列中更改日期而不更改时间戳的时间？

3 个答案: