Question

我发现很难转换以下列表l：

l = [0, 1]

插入与以下数据帧df的索引对应的时间戳：

                 dt  val
2017-11-13 00:00:00  8
2017-11-13 01:00:00  17

理想情况下，结果必须是：

l = [2017-11-13 00:00:00, 2017-11-13 01:00:00]

所以我可以在与df重叠的较长时间序列的图中识别出这两个时间步长。

做到这一点的最佳方法是什么？我的尝试失败了，我无法理解正确的时间戳格式：

index1 = pd.to_datetime(str(df.index[l[0]]), format='%Y-%m-%d %H:%M:%S')
index2 = pd.to_datetime(str(df.index[l[1]]), format='%Y-%m-%d %H:%M:%S')

这会引发错误：

ValueError: time data '2017-11-13 00:00:00' does not match format '%Y-%m-%d %H:%M:%S' (match)

Answer 1

我认为需要使用f字符串来理解列表：

d = pd.to_datetime([f'2017-11-13 {x}:00:00' for x in l], format='%Y-%m-%d %H')
print(d)

DatetimeIndex(['2017-11-13 00:00:00', '2017-11-13 01:00:00'], 
              dtype='datetime64[ns]', freq=None)

性能（取决于实际数据）：

np.random.seed(2018)
l = np.random.randint(12, size=1000).tolist()

In [48]: %%timeit
    ...: d = pd.to_datetime([f'2017-11-13 {x}:00:00' for x in l], format='%Y-%m-%d %H')
647 µs ± 2.45 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [49]: %%timeit
    ...: d = pd.to_datetime('2017-11-13' + 
             pd.Index(l).astype(str).str.zfill(2), format='%Y-%m-%d%H')
    ...: 
4.43 ms ± 22 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

Answer 2

有几种方法，但这是一种没有显式循环或不指定格式的方法：

L = [0, 1]

datetime = pd.to_datetime('2017-11-13') + pd.to_timedelta(L, unit='h')

结果：

DatetimeIndex(['2017-11-13 00:00:00', '2017-11-13 01:00:00'], 
              type='datetime64[ns]', freq=None)

您的解决方案将无法正常工作，因为str不能以矢量方式工作。

Python：将整数转换为数据时间戳记

2 个答案: