如何将numpy.datetime64对象转换为datetime.datetime(或Timestamp)？
在以下代码中,我创建了datetime,timestamp和datetime64对象.
import datetime
import numpy as np
import pandas as pd
dt = datetime.datetime(2012, 5, 1)
# A strange way to extract a Timestamp object, there's surely a better way?
ts = pd.DatetimeIndex([dt])[0]
dt64 = np.datetime64(dt)
In [7]: dt
Out[7]: datetime.datetime(2012, 5, 1, 0, 0)
In [8]: ts
Out[8]: <Timestamp: 2012-05-01 00:00:00>
In [9]: dt64
Out[9]: numpy.datetime64('2012-05-01T01:00:00.000000+0100')
注意:从时间戳中获取日期时间很容易:
In [10]: ts.to_datetime()
Out[10]: datetime.datetime(2012, 5, 1, 0, 0)
但是我们如何从()中提取datetime或者？Timestampnumpy.datetime64dt64 …
鉴于以下数据框和必要的争论：
import pandas as pd
df=pd.DataFrame({'A':['a','b','c'],
'dates':['2015-08-31 00:00:00','2015-08-24 00:00:00','2015-08-25 00:00:00']})
df.dates=df.dates.astype(str)
df['dates'] = pd.to_datetime(df.dates.str.split(',\s*').str[0])
set(df['dates'])
我最终得到：
{Timestamp('2015-08-24 00:00:00'),
Timestamp('2015-08-25 00:00:00'),
Timestamp('2015-08-31 00:00:00')}
我需要将时间戳转换回日期时间（实际上，只是日期）格式。
我已经根据这篇文章的答案尝试过这个：
df['dates'].to_pydatetime()
但这会返回：
AttributeError: 'Series' object has no attribute 'to_pydatetime'
在我的真实数据中，数据类型是： <M8[ns]
我的初始数据框df：
discharge1 discharge2
datetime
2018-04-25 18:37:00 5862 4427
2018-04-25 21:36:30 6421 4581
2018-04-25 22:13:00 5948 4779
2018-04-26 00:11:30 5703 4314
2018-04-26 02:27:00 4988 3868
2018-04-26 04:28:30 4812 3823
2018-04-26 06:22:30 4347 3672
2018-04-26 10:50:30 3896 3546
2018-04-26 12:04:30 3478 3557
2018-04-26 14:02:30 3625 3598
2018-04-26 15:31:30 3751 3606
我想要做的是让我的日期成为列表、数组或系列，我可以在其中迭代列表中的所有元素。这样我就可以使用这些日期来访问另一个数据框中的行df_other，最后将它们附加到一个新的数据框中df_new：
for date in date_list():
df_new = df_new.append(df_other.iloc[df_other.index.get_loc(date)])
对于我列表中的日期应该运行为：
df_new.append(df_other.iloc[df_other.index.get_loc('2018-04-25 18:37:00')])
我尝试使用df.index但返回一个列表Datetimeindex，我只能访问每个日期：
display(df.index[0])
Timestamp('2018-04-25 18:37:00')
时间戳部分破坏了我的.append通话。
也尝试过df.index.tolist()，但会返回以下列表：[Timestamp('2018-04-25 …
我正在尝试转换以下数据框
id year week
1 2018 43
1 2019 1
2 2019 4
3 2018 51
到包含以下列的数据框中
id year week year_week
1 2018 43 2018-43
1 2019 1 2019-1
2 2019 4 2019-4
3 2018 51 2018-51
其中“year_week”是日期时间类型