Convertir le temps unix lisible date dans les pandas dataframe

J'ai un dataframe avec unix horaires et les prix en elle. Je veux convertir la colonne d'index, de sorte qu'il affiche dans les, lisible par les dates.

Ainsi, par exemple, j'ai date comme 1349633705 dans la colonne d'index, mais j'avais envie de montrer que 10/07/2012 (ou au moins 10/07/2012 18:15).

Pour certains contexte, voici le code que j'ai travaille avec et ce que j'ai déjà essayé:

import json
import urllib2
from datetime import datetime
response = urllib2.urlopen('http://blockchain.info/charts/market-price?&format=json')
data = json.load(response)   
df = DataFrame(data['values'])
df.columns = ["date","price"]
#convert dates 
df.date = df.date.apply(lambda d: datetime.strptime(d, "%Y-%m-%d"))
df.index = df.date

Comme vous pouvez le voir je suis en utilisant
df.date = df.date.apply(lambda d: datetime.strptime(d, "%Y-%m-%d")) ici qui ne fonctionne pas depuis que je suis en train de travailler avec des entiers, pas des chaînes de caractères. Je pense que j'ai besoin d'utiliser datetime.date.fromtimestamp mais je ne suis pas tout à fait sûr de la façon de l'appliquer à l'ensemble de la df.date.

Grâce.

InformationsquelleAutor W A Carnegie | 2013-10-07

165

Ceux-ci semblent être de secondes depuis l'epoch.

In [20]: df = DataFrame(data['values'])

In [21]: df.columns = ["date","price"]

In [22]: df
Out[22]: 
<class 'pandas.core.frame.DataFrame'>
Int64Index: 358 entries, 0 to 357
Data columns (total 2 columns):
date     358  non-null values
price    358  non-null values
dtypes: float64(1), int64(1)

In [23]: df.head()
Out[23]: 
         date  price
0  1349720105  12.08
1  1349806505  12.35
2  1349892905  12.15
3  1349979305  12.19
4  1350065705  12.15
In [25]: df['date'] = pd.to_datetime(df['date'],unit='s')

In [26]: df.head()
Out[26]: 
                 date  price
0 2012-10-08 18:15:05  12.08
1 2012-10-09 18:15:05  12.35
2 2012-10-10 18:15:05  12.15
3 2012-10-11 18:15:05  12.19
4 2012-10-12 18:15:05  12.15

In [27]: df.dtypes
Out[27]: 
date     datetime64[ns]
price           float64
dtype: object

et dans 0.13 vous serez en mesure d'utiliser date_unit quand read_json 😀
Super! Votre solution tout à fait logique. Pandas: la Conversion d'Horodateurs va à travers elle très bien aussi maintenant, je sais à propos de to_datetime.
Juste un autre point. Cela n'a pas fonctionné pour moi dans 0.11, mais bien dans 0.12+
yep...n'a pas été activé dans 0.11!
Cette solution me donne OverflowError: Python int too large to convert to C long.
Tant pis, avait ordre de la milliseconde d'horodatage, juste eu à lambda x: x/1000.0, ou unit='ms'.
ligne 25 réponses complètement ce
df['date'] est de type datetime. Comment puis-je convertir str afin qu'il soit sérialisés?
Existe t'il une méthode pour convertir de type datetime.format de date plutôt que datetime(ns)?

InformationsquelleAutor Jeff

30

Si vous essayez d'utiliser:
```
df[DATE_FIELD]=(pd.to_datetime(df[DATE_FIELD],***unit='s'***))
```
et un message d'erreur :

"pandas.tslib.OutOfBoundsDatetime: impossible de convertir l'entrée avec l'unité de 's' à"

Cela signifie que le DATE_FIELD n'est pas spécifié en secondes.

Dans mon cas, c'était milli secondes - EPOCH time.

De la conversion travaillé à l'aide ci-dessous:
```
df[DATE_FIELD]=(pd.to_datetime(df[DATE_FIELD],unit='ms')) 
```
InformationsquelleAutor Sandesh
9

En supposant que nous avons importé pandas as pd et df est notre dataframe
```
pd.to_datetime(df['date'], unit='s')
```
fonctionne pour moi.

InformationsquelleAutor fahim reza

Sinon, en changer une seule ligne de code ci-dessus:

# df.date = df.date.apply(lambda d: datetime.strptime(d, "%Y-%m-%d"))
df.date = df.date.apply(lambda d: datetime.datetime.fromtimestamp(int(d)).strftime('%Y-%m-%d'))

Il devrait également fonctionner.

InformationsquelleAutor bakka

Vous devez vous connecter pour publier un commentaire.