Pandas: à l'Aide d'époque Unix timestamp comme Datetime index
Mon application consiste à traiter les données (contenus dans un fichier CSV) qui est de la forme suivante:
Epoch (number of seconds since Jan 1, 1970), Value
1368431149,20.3
1368431150,21.4
..
Actuellement j'ai lu le fichier CSV à l'aide de numpy loadtxt méthode (pouvez facilement utiliser read_csv de Pandas). Actuellement pour ma série, je suis de conversion les horodateurs champ comme suit:
timestamp_date=[datetime.datetime.fromtimestamp(timestamp_column[i]) for i in range(len(timestamp_column))]
J'ai suivi ce par la mise en timestamp_date que la date d'index pour ma DataFrame. J'ai essayé de chercher à plusieurs endroits pour voir si il est plus rapide (intégré) de l'utilisation de ces époque Unix horodateurs, mais ne pouvait pas trouver un. Beaucoup d'applications utilisent de tels timestamp de la terminologie.
- Est-il une " méthode pour le traitement des formats de timestamp?
- Si non, quelle est la méthode recommandée pour le traitement de ces formats?
OriginalL'auteur Nipun Batra | 2013-05-13
Vous devez vous connecter pour publier un commentaire.
Convertir
datetime64[s]
:N. B. github.com/pydata/pandas/issues/3540
OriginalL'auteur eumiro
Vous pouvez également utiliser les pandas to_datetime:
Cette méthode nécessite des Pandas 0,18 ou plus tard.
OriginalL'auteur queise
Vous pouvez également utiliser les Pandas DatetimeIndex comme
la
*10**9
le met dans le format qu'il attend pour ces horodatages.C'est bien car ça permet d'utiliser les fonctions telles que
.date()
ou.tz_localize()
sur la série.OriginalL'auteur Eric Blum