Преобразование Pandas Серии в DateTime в DataFrame

У меня есть Pandas DataFrame, как показано ниже

        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 - это тип серии

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

Я пробовал ниже, но он по-прежнему не меняет тип серии

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

Как я могу изменить тип df.TimeReviewed на DateTime и вытащить год, месяц, день, час, мин, сек отдельно? Я немного новичок в python, спасибо за вашу помощь.

Ответы

Ответ 1

Вы не можете: DataFrame столбцы Series, по определению. Тем не менее, если вы создаете dtype (тип всех элементов), похожий на дату, тогда вы можете получить доступ к количествам, которые вы хотите, через аксессуар .dt (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

Если вы застряли с использованием более старой версии pandas, вы всегда можете получить доступ к различным элементам вручную (опять же, после преобразования в серию datetime-dtyped). Это будет медленнее, но иногда это не проблема:

>>> 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

Ответ 2

Некоторые удобные script:

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

Ответ 3

df=pd.read_csv("filename.csv" , parse_dates=["<column name>"])

type(df.<column name>)

пример: если вы хотите преобразовать день, который изначально является строкой, в метку времени в Pandas

df=pd.read_csv("weather_data2.csv" , parse_dates=["day"])

type(df.day)

На выходе будет pandas.tslib.Timestamp