64

将 pandas DateTimeIndex 转换为（可迭代的）Unix 时间的惯用方法是什么？这可能不是要走的路：

[time.mktime(t.timetuple()) for t in my_data_frame.index.to_pydatetime()]
4

7 回答 7

120

就像DatetimeIndex在ndarray引擎盖下一样，您可以在没有理解的情况下进行转换（更快）。

In [1]: import numpy as np

In [2]: import pandas as pd

In [3]: from datetime import datetime

In [4]: dates = [datetime(2012, 5, 1), datetime(2012, 5, 2), datetime(2012, 5, 3)]
   ...: index = pd.DatetimeIndex(dates)
   ...: 
In [5]: index.astype(np.int64)
Out[5]: array([1335830400000000000, 1335916800000000000, 1336003200000000000], 
        dtype=int64)

In [6]: index.astype(np.int64) // 10**9
Out[6]: array([1335830400, 1335916800, 1336003200], dtype=int64)

%timeit [t.value // 10 ** 9 for t in index]
10000 loops, best of 3: 119 us per loop

%timeit index.astype(np.int64) // 10**9
100000 loops, best of 3: 18.4 us per loop
于 2013-03-04T14:47:36.513 回答
46

注意：时间戳只是 unix 时间，单位为纳秒（所以除以 10**9）：

[t.value // 10 ** 9 for t in tsframe.index]

例如：

In [1]: t = pd.Timestamp('2000-02-11 00:00:00')

In [2]: t
Out[2]: <Timestamp: 2000-02-11 00:00:00>

In [3]: t.value
Out[3]: 950227200000000000L

In [4]: time.mktime(t.timetuple())
Out[4]: 950227200.0

正如@root 指出的那样，直接提取值数组会更快：

tsframe.index.astype(np.int64) // 10 ** 9
于 2013-03-04T14:31:21.453 回答
12

其他答案的摘要：

df['<time_col>'].astype(np.int64) // 10**9

10**6如果你想保持毫秒除以

于 2018-09-21T20:05:54.930 回答
2

补充其他答案：//10**9将做一个地板划分，它给出过去的完整秒数，而不是最接近的以秒为单位的值。如果需要，获得更合理舍入的一种简单方法是5*10**8 - 1在进行地板划分之前添加。

于 2019-06-09T16:35:36.753 回答
0

为了解决 NaT 的情况，上述解决方案将转换为大的负整数，在 pandas>=0.24 中，可能的解决方案是：

def datetime_to_epoch(ser):
    """Don't convert NaT to large negative values."""
    if ser.hasnans:
        res = ser.dropna().astype('int64').astype('Int64').reindex(index=ser.index)
    else:
        res = ser.astype('int64')

    return res // 10**9

在缺少值的情况下，这将返回可为空的 int 类型“Int64”（ExtensionType pd.Int64Dtype）：

In [5]: dt = pd.to_datetime(pd.Series(["2019-08-21", "2018-07-28", np.nan]))                                                                                                                                                                                                    
In [6]: datetime_to_epoch(dt)                                                                                                                                                                                                                                                   
Out[6]: 
0    1566345600
1    1532736000
2           NaN
dtype: Int64

否则为常规 int64：

In [7]: datetime_to_epoch(dt[:2])                                                                                                                                                                                                                                               
Out[7]: 
0    1566345600
1    1532736000
dtype: int64
于 2019-08-23T14:16:47.217 回答
0

如果您在数据框的日期时间列上尝试过此操作：

dframe['datetime'].astype(np.int64) // 10**9

＆您正在努力解决以下错误：TypeError: int() argument must be a string, a bytes-like object or a number, not 'Timestamp'您可以只使用这两行：

dframe.index = pd.DatetimeIndex(dframe['datetime'])
dframe['datetime']= dframe.index.astype(np.int64)// 10**9
于 2019-09-13T14:29:21.930 回答
0

其他答案的代码

dframe['datetime'].astype(np.int64) // 10**9

截至我发帖时打印以下警告：

FutureWarning：不推荐使用 .astype(...) 将 datetime64[ns] 值转换为 int64，并将在未来版本中提出。使用 .view(...) 代替。

因此，请改用以下内容：

dframe['datetime'].view(np.int64) // 10 ** 9
于 2022-01-27T19:02:00.417 回答