将 unix 时间转换为 pandas 数据框中的可读日期

小编典典

将 unix 时间转换为 pandas 数据框中的可读日期

all

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）。

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.

谢谢。

阅读 169

2022-08-08

共1个答案

小编典典

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

2022-08-08