Skip to main content
 首页 » 编程设计

python之在使用 df 'Time' ] = pd.to_datetime(phData ['Time' ], format ['Time' 之后,1900-01-01 的日期被添加到我的 ='%H:%M:%S'

2025年02月15日6sky-heaven

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