Question

我有一个带有Timestamp列的数据框。我想将其转换为datetime.datetime格式。这是我尝试过的：

import pandas as pd

ts = pd.Timestamp('2019-01-01 00:00:00', tz=None)
df = pd.DataFrame({"myDate": [ts]})

df["myDate"] = df["myDate"].dt.to_pydatetime()
myList = df["myDate"].dt.to_pydatetime()

print(df.dtypes)
print(type(myList[0]))

第一个print（）返回一个时间戳（意外）第二个print（）返回日期时间（预期）如何使此数据帧重新分配保持不变？

*编辑：我要实现的目标* 要将数据帧中的时间戳与列表中的日期时间进行比较，如下所示：

ts = pd.Timestamp('2019-01-01 00:00:00', tz=None)
df = pd.DataFrame({"my_date": [ts]})
df_set = set(df["my_date"].values)
dt_set = set([datetime(2019, 1, 1, 0, 0, 0)])
print(dt_set - df_set)

返回：{datetime.datetime（2019，1，1，0，0）}。应该为空集。

Answer 1

您可以使用pd.DatetimeIndex及其difference方法。通常，对熊猫/ NumPy对象使用set效率不高。相关：Pandas pd.Series.isin performance with set versus array。

from datetime import datetime

df = pd.DataFrame({"my_date": [pd.Timestamp('2019-01-01 00:00:00', tz=None),
                               pd.Timestamp('2019-01-10 00:00:00', tz=None)]})

datetime_list = [datetime(2019, 1, 1, 0, 0, 0)]

diff = pd.DatetimeIndex(df['my_date']).difference(pd.DatetimeIndex(datetime_list))

# DatetimeIndex(['2019-01-10'], dtype='datetime64[ns]', freq=None)

熊猫时间戳记为datetime.datetime（）

1 个答案: