Pandas 如何在DataFrame中将浮点数转换为日期时间

Pandas是一个强大的数据处理库，广泛用于Python中的数据分析和预处理任务。在处理数据时，常常会遇到日期和时间以浮点数表示而不是预期的日期时间格式的情况。在这种情况下，将浮点数值转换为日期时间对象变得至关重要，以进行准确的基于时间的分析。

本文旨在提供一个全面的指南，介绍如何在Pandas DataFrame中将浮点数值转换为日期时间对象。

理解将浮点数转换为日期时间的重要性

日期时间对象相比日期和时间的浮点数表示具有几个优势。通过将浮点数值转换为日期时间对象，我们可以利用Pandas和Python提供的丰富日期时间功能，包括日期算术、时区处理、重新采样和绘图。

此外，将浮点数转换为日期时间还允许进行精确的基于时间的比较和计算，从而实现对时间序列数据的准确分析和可视化。

以下是将浮点数值转换为日期时间的两种不同方法。

使用Pandas的内置函数

考虑下面的代码示例。

示例

import pandas as pd

# Sample DataFrame with float column representing Unix timestamps
data = {'timestamp': [1620619200.0, 1620705600.0, 1620792000.0]}
df = pd.DataFrame(data)

# Convert float to datetime using Pandas' to_datetime() function
df['timestamp'] = pd.to_datetime(df['timestamp'], unit='s')

# Print the updated DataFrame
print(df)

解释

• 首先我们导入所需的库，包括Pandas。

• 我们创建一个名为’df’的示例DataFrame，其中包含一个名为’timestamp’的列，其中包含表示Unix时间戳的浮点数值。

• 使用pd.to_datetime()函数，我们将’timestamp’列转换为datetime格式。unit=’s’参数指定浮点数值表示以秒为单位的时间戳。如果浮点数值以毫秒为单位，则可以使用unit=’ms’。

• 原始的’timestamp’列被转换后的datetime值替换。

• 最后，我们打印更新后的DataFrame，显示转换结果。

输出

timestamp
0 2021-05-10 04:00:00
1 2021-05-11 04:00:00
2 2021-05-12 04:00:00

使用自定义函数

考虑下面显示的代码。

示例

import pandas as pd

# Sample DataFrame with float column representing fractional years
data = {'year': [2021.5, 2022.25, 2023.75]}
df = pd.DataFrame(data)

# Custom function to convert fractional years to datetime
def convert_to_datetime(year):
    year = int(year)
    days = int((year - int(year)) * 365.25)
    base_date = pd.to_datetime(f'{year}-01-01')
    return base_date + pd.DateOffset(days=days)

# Apply the custom function to the 'year' column
df['year'] = df['year'].apply(convert_to_datetime)

# Print the updated DataFrame
print(df)

说明

• 导入所需的库后，我们创建一个名为df的示例DataFrame，其中包含一个名为’year’的列，其包含表示分数年的浮点值。

• 我们定义一个名为convert_to_datetime(year)的自定义函数，用于将分数年转换为日期时间对象。

• 在自定义函数内部，我们将浮点值转换为表示年份的整数，并计算对应于年份的小数部分的天数。

• 我们使用pd.to_datetime()函数并将年份设定为1月1日来创建一个基准日期。

• 通过使用pd.DateOffset()函数添加计算得到的天数，我们获得最终的日期时间值。

• 我们使用apply()函数将自定义函数应用于’year’列。

• ‘year’列更新为转换后的日期时间值。

• 最后，我们打印更新后的DataFrame以显示转换结果。

输出

year
0 2021-01-01
1 2022-01-01
2 2023-01-01

结论

总之，当处理与时间相关的数据时，将浮点值转换为日期时间在Pandas DataFrame中是一个常见的任务。在本文中，我们探讨了两种不同的方法来完成这个任务。

第一种方法利用了Pandas的内置功能，特别是pd.to_datetime()函数。

第二种方法演示了一个自定义函数，用于处理更具体的场景。在这种情况下，我们解决了将分数年份转换为日期时间对象的问题。

这两种方法展示了Pandas在数据操作和转换方面的强大和灵活性。根据您数据集的具体要求，您可以选择最适合的方法。