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()]
问问题
72815 次
7 回答
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