我有一个包含 unix 时间和价格的数据框。我想转换索引列,以便它以人类可读的日期显示。
因此,例如,我在索引列中有dateas 1349633705,但我希望它显示为10/07/2012(或至少10/07/2012 18:15)。
date
1349633705
10/07/2012
10/07/2012 18:15
在某些情况下,这是我正在使用的代码以及我已经尝试过的代码:
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
正如你所看到的,我在 df.date = df.date.apply(lambda d: datetime.strptime(d, "%Y-%m-%d"))这里使用它不起作用,因为我使用的是整数,而不是字符串。我想我需要使用datetime.date.fromtimestamp,但我不太确定如何将其应用于整个df.date.
df.date = df.date.apply(lambda d: datetime.strptime(d, "%Y-%m-%d"))
datetime.date.fromtimestamp
df.date
谢谢。
这些似乎是自纪元以来的秒数。
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