datetime64与unix时间戳互转
在用pandas处理数据时，经常要处理一些时间类型数据，经常把pandas时间类型与datetime模块，还有python自带的time模块搞混淆，记录之。
unix 时间戳与pandas中的Timestamp互转
import time
def unixToTime(unixtime):
return pd.to_datetime(unixtime,unit='s',utc=True).tz_convert('Asia/Shanghai') #utc时间比上海时间少8小时,做时区转换
def timeToUnix(dt64):
return dt64.astype('datetime64[s]').astype('int')
unixtime = 1514737265
print(unixToTime(unixtime))
#python 自带time模块的local_time可以直接转北京时间
struct_time = time.localtime(unixtime)
print(struct_time)
#转化格式
dd = time.strftime("%Y-%m-%d %H:%M:%S",struct_time)
print(dd)
输出：
2018-01-01 00:21:05+08:00
time.struct_time(tm_year=2018, tm_mon=1, tm_mday=1, tm_hour=0, tm_min=21, tm_sec=5, tm_wday=0, tm_yday=1, tm_isdst=0)
2018-01-01 00:21:05
datetime模块
python中还有一个datetime模块，这个模块包含一些函数，如today，now,fromtimestamp,strptime,Datetime
from datetime import datetime import pandas as pd startTime = datetime.now() print(startTime) print(type(startTime)) #datetime 字符串转时间戳 timestr = '2018-01-01 00:21:05' date_time = datetime.strptime(timestr, "%Y-%m-%d %H:%M:%S") print(type(date_time)) print(date_time)
输出：
2020-12-16 22:22:42.451086
#pandas 字符串转时间戳 pd_time = pd.to_datetime(time,format="%Y-%m-%d %H:%M:%S") #或者 #time = datetime(2018,1,1,0,21,5) #pd_time = pd.to_datetime(timestr,format="YYYY-MM-DD HH:MM:SS") print(type(pd_time)) print(pd_time)
输出：
2018-01-01 00:21:05
#取到年，月，日，日期，小时，分钟，秒以及一周中的第几天 year = pd_time.year month = pd_time.month day = pd_time.day date = pd_time.date hour = pd_time.hour minute = pd_time.minute seconds = pd_time.second print(year) print(month) print(day) print(hour) print(minute) print(seconds)
输出：
2018
1
1
0
21
5
pandas默认时间格式转换为unix间戳
Pandas读取csv文件时，时间会自动显示为‘YYYY-MM-DD HH:MM:SS’的格式，那么如果想要将这个时间转换为 Unix时间戳 呢？
先科普一下，什么是 Unix时间戳 呢？
Unix时间戳 是一种时间表示方式，是一个整型值，代表从格林威治时间1970年01月01日00时00分00秒起至现在经过的总秒数。
举个栗子
一个值为 1492751843 的Unix时间戳 ==>
把它转换为 北京时间为 2017/4/21 13:17:23
实际上，Pandas中时间用 pandas.datetime() 转换为 pandas.tslib.Timestamp（时间戳） 格式之后，已经变成了整型存储，即 Unix时间戳形式 。
如果我们需要这个时间戳的整型格式，可以用 time[0].value 这个属性把它提取出来。
样例
>>> import pandas as pd # 导入pandas库
>>> data = pd.read_csv('airquality.csv') # 读入数据文件
>>> data.time = pd.to_datetime(data.time) # 将时间那一列从str转换为时间戳格式
>>> type(data.time[0]) # 查看转换之后的格式
>>> data.time[0] # 查看第一条数据，默认显示为‘YYYY-MM-DD HH:MM:SS'格式
Timestamp('2014-05-01 00:00:00')
>>> data.time[0].value # 查看第一条数据的Unix时间戳格式
1398902400000000000L
>>> data.time[0].value//10**9 # 转换为秒级
1398902400L
>>> t1 = [t.value for t in data.time] # 提取整列（纳秒级，即1s = 1,000,000,000 ns）
>>> t1[:3] # 显示前三条数据
[1398902400000000000L, 1398906000000000000L, 1398909600000000000L]
>>> t2 = [t.value//10**9 for t in data.time] # 提取整列（秒级）
>>> t2[:3] # 显示前三条数据
[1398902400L, 1398906000L, 1398909600L]
>>> t1 = pd.DatetimeIndex(t1) # 从list列表转换为pandas的DatetimeIndex格式
>>> t1[:3] # 显示前三条数据
DatetimeIndex(['2014-05-01 00:00:00', '2014-05-01 01:00:00',
'2014-05-01 02:00:00'],
dtype='datetime64[ns]', freq=None)
>>> type(t1[0]) # 每条数据为Timestamp格式
>>> t1[0].value
1398902400000000000L
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。