Convertir les séries Pandas en DateTime dans un DataFrame

J'ai une Pandas DataFrame comme ci-dessous

        ReviewID       ID      Type               TimeReviewed
205     76032930  51936827  ReportID 2015-01-15 00:05:27.513000
232     76032930  51936854  ReportID 2015-01-15 00:06:46.703000
233     76032930  51936855  ReportID 2015-01-15 00:06:56.707000
413     76032930  51937035  ReportID 2015-01-15 00:14:24.957000
565     76032930  51937188  ReportID 2015-01-15 00:23:07.220000

>>> type(df)
<class 'pandas.core.frame.DataFrame'>

TimeReviewed est un type de série

>>> type(df.TimeReviewed)
<class 'pandas.core.series.Series'>

J'ai essayé ci-dessous, mais cela ne change pas le type de Série

import pandas as pd
review = pd.to_datetime(pd.Series(df.TimeReviewed))
>>> type(review)
<class 'pandas.core.series.Series'>

Comment puis-je changer le df.TimeReviewed de type DateTime et tirez année, mois, jour, heure, min, sec séparément?
Je suis un peu nouveau pour python, merci pour votre aide.

source d'informationauteur 1EnemyLeft

  1. 31

    Vous ne pouvez pas: DataFrame colonnes sont Seriespar définition. Cela dit, si vous faites le dtype (le type de tous les éléments) datetime, vous pourrez alors accéder à la quantité que vous souhaitez via le .dt accesseur (docs):

    >>> df["TimeReviewed"] = pd.to_datetime(df["TimeReviewed"])
>>> df["TimeReviewed"]
205  76032930   2015-01-24 00:05:27.513000
232  76032930   2015-01-24 00:06:46.703000
233  76032930   2015-01-24 00:06:56.707000
413  76032930   2015-01-24 00:14:24.957000
565  76032930   2015-01-24 00:23:07.220000
Name: TimeReviewed, dtype: datetime64[ns]
>>> df["TimeReviewed"].dt
<pandas.tseries.common.DatetimeProperties object at 0xb10da60c>
>>> df["TimeReviewed"].dt.year
205  76032930    2015
232  76032930    2015
233  76032930    2015
413  76032930    2015
565  76032930    2015
dtype: int64
>>> df["TimeReviewed"].dt.month
205  76032930    1
232  76032930    1
233  76032930    1
413  76032930    1
565  76032930    1
dtype: int64
>>> df["TimeReviewed"].dt.minute
205  76032930     5
232  76032930     6
233  76032930     6
413  76032930    14
565  76032930    23
dtype: int64

    Si vous êtes coincé à l'aide d'une version plus ancienne de pandasvous pouvez toujours accéder aux différents éléments manuellement (encore une fois, après la conversion il datetime-dtyped de la Série). Ce sera plus lent, mais parfois ce n'est pas un problème:

    >>> df["TimeReviewed"].apply(lambda x: x.year)
205  76032930    2015
232  76032930    2015
233  76032930    2015
413  76032930    2015
565  76032930    2015
Name: TimeReviewed, dtype: int64
  2. 1

    Un peu de pratique script:

    hour = df['assess_time'].dt.hour.values[0]