给定df
Date Time Data
3 2017-08-10 15:15:00 a
0 2017-08-11 15:15:00 b
1 2017-08-12 15:15:00 c
2 2017-08-13 15:15:00 d
1 2017-08-14 15:15:00 e
和
print (type(df['Date'].iat[0]))
<class 'datetime.date'>
print (type(df['Time'].iat[0]))
<class 'datetime.time'>
如何将df.Date和df.Time组合成Datetime对象的DateTime列?:
Date Time Data DateTime
3 2017-08-10 15:15:00 a 2017-08-10 15:15:00
0 2017-08-11 15:15:00 b 2017-08-11 15:15:00
1 2017-08-12 15:15:00 c 2017-08-12 15:15:00
2 2017-08-13 15:15:00 d 2017-08-13 15:15:00
1 2017-08-14 15:15:00 e 2017-08-14 15:15:00
我尝试了什么:
df['DateTime'] = df.apply(lambda r : pd.datetime.combine(r['Date'],r['Time']),1)
这样可以正常运行,但是,我更喜欢矢量化操作,我得到以下信息:
C:\Users\User\Anaconda3\lib\site-packages\ipykernel\__main__.py:1:
SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead
See the caveats in the documentation: http://pandas.pydata.org/pandas-
docs/stable/indexing.html#indexing-view-versus-copy
if __name__ == '__main__':
答案 0 :(得分:2)
这里的问题是日期和时间都是日期时间格式。试试
df['datetime'] = pd.to_datetime(df['Date'].dt.strftime('%Y-%m-%d') + df['Time'].astype(str), format = '%Y-%m-%d%H:%M:%S')
虽然我不知道它是否比使用datetime.combine更有效
答案 1 :(得分:0)
我迟到了……如果“日期”是一个类似日期时间的对象,那么 Vaishali 的回答有效。
str(date)
会给 yyyy-mm-dd
输出 according to docs,所以你可以这样做:
pd.to_datetime(df['Date'].astype(str) + df['Time'].astype(str), format = '%Y-%m-%d%H:%M:%S')
但是,我没有测试过它的速度。