我是一名自学成才的编码员(大约一年,很新)。这是我的数据
phData = pd.read_excel('phone call log & duration.xlsx')
called from called to Date Time Duration in (sec)
0 7722078014 7722012013 2017-07-01 10:00:00 303
1 7722078014 7722052018 2017-07-01 10:21:00 502
2 7722078014 7450120521 2017-07-01 10:23:00 56
The dtypes are:
called from int64
called to int64
Date datetime64[ns]
Time object
Duration in (sec) int64
dtype: object
phData['Time'] = pd.to_datetime(phData['Time'], format='%H:%M:%S')
phData.head(2)
called from called to Date Time Duration in (sec)
0 7722078014 7722012013 2017-07-01 1900-01-01 10:00:00 303
1 7722078014 7722052018 2017-07-01 1900-01-01 10:21:00 502
我已经设法将“时间”更改为 datetime64[ns] 但不知何故添加了日期??从哪里我不知道?我希望能够使用 Pandas 分析 Date 和 Time,我很乐意这样做。探索日期和时间、频率等之间的通话。我想我也可以保存它,以便它在 Orange3 中工作。但 Orange3 不会将时间识别为时间格式。我已经尝试剥离 1900-01-01 但收到一条错误消息,指出它只能在对象时完成。我认为时间不是 datetime 而是 datetime.time ???我不确定为什么这很重要以及如何简单地拥有 2 个 columns 一个 Date 和另一个 Time,Pandas 会帮我识别矿。我查看了无数帖子,在那里我找到了如何使用 pd.to_datetime 并且我的问题可能是 datetime.time 但我在这之后陷入困境。
请您参考如下方法:
Pandas 没有 Time 这样的数据类型。您可以使用 datetime 或 timedelta dtype。
选项 1:将日期和时间合并到单列中:
In [23]: df['TimeStamp'] = pd.to_datetime(df.pop('Date') + ' ' + df.pop('Time'))
In [24]: df
Out[24]:
called from called to Duration in (sec) TimeStamp
0 7722078014 7722012013 303 2017-07-01 10:00:00
1 7722078014 7722052018 502 2017-07-01 10:21:00
2 7722078014 7450120521 56 2017-07-01 10:23:00
选项 2:将 Date 转换为 datetime 并将 Time 转换为 timedelta dtype :
In [27]: df.Date = pd.to_datetime(df.Date)
In [28]: df.Time = pd.to_timedelta(df.Time)
In [29]: df
Out[29]:
called from called to Date Time Duration in (sec)
0 7722078014 7722012013 2017-07-01 10:00:00 303
1 7722078014 7722052018 2017-07-01 10:21:00 502
2 7722078014 7450120521 2017-07-01 10:23:00 56
In [30]: df.dtypes
Out[30]:
called from int64
called to int64
Date datetime64[ns]
Time timedelta64[ns]
Duration in (sec) int64
dtype: object
