代码之家 › 专栏 › 技术社区 › svn

将pandas-df[datetime]时间和日期列合并为一个日期时间列

combine timestamp datetime pandas python

svn · 技术社区 · 1 年前

尝试将pandas DataFrame列与datetime.date格式和datetime.time格式相结合时,我有点困惑。 DF看起来是这样的:

    VJNo    VJIdx   lnTime  lnDate
0   32613   1   05:00:00    2023-04-18
1   32613   2   05:01:00    2023-04-18
2   32613   3   05:02:30    2023-04-18
3   32613   5   05:05:30    2023-04-18
4   32613   6   05:06:30    2023-04-18
5   32613   8   05:07:30    2023-04-18
6   32613   9   05:08:30    2023-04-18
7   32613   11  05:10:30    2023-04-18

我想用 pandas.Timestamp.combine(date, time) ,但显然它不想为数据系列工作。。。(?)运行:

import pandas as pd

# Defining the data
data = {'VJNo': [32613, 32613, 32613, 32613, 32613, 32613, 32613, 32613],
        'VJIdx': [1, 2, 3, 5, 6, 8, 9, 11],
        'lnTime': ['05:00:00', '05:01:00', '05:02:30', '05:05:30', '05:06:30', '05:07:30', '05:08:30', '05:10:30'],
        'lnDate': ['2023-04-18', '2023-04-18', '2023-04-18', '2023-04-18', '2023-04-18', '2023-04-18', '2023-04-18', '2023-04-18']}

# Create pandas dataframe
df = pd.DataFrame(data)

df['tmp'] = pd.Timestamp.combine( df['lnDate'], df['lnTime'])

返回错误: combine() argument 1 must be datetime.date, not Series ,虽然是 datetime.date ,但一系列。。。不幸的是,找到了其他解决方案 here 也不起作用(可能是由于熊猫的变化):

df['tmp'] = df.apply(pd.Timestamp.combine, df['lnDate'], df['lnTime'])

或

df['tmp'] = df.apply(lambda x: pd.Timestamp.combine(x['lnDate'], x['lnTime']))

我做错什么了吗? 最后的手段可能是将日期和时间转换为字符串,然后使用 pd.to_datetime 在他们身上,但是。。。我认为这不是正确的方式。

1 回复 | 直到 1 年前

mozway 1 年前

你需要 vectorize 您的功能:

import numpy as np

f = np.vectorize(pd.Timestamp.combine)
# f = np.vectorize(lambda d,t: pd.Timestamp.combine(d, t))

dfP['out'] = f(dfP['lnDate'], dfP['lnTime'])

或者通过列表理解:

dfP['out'] = [pd.Timestamp(d, t) for d, t in zip(df['lnDate'], df['lnTime'])]

输出:

    VJNo  VJIdx    lnTime      lnDate                 out
0  32613      1  05:00:00  2023-04-18 2023-04-18 05:00:00
1  32613      2  05:01:00  2023-04-18 2023-04-18 05:01:00
2  32613      3  05:02:30  2023-04-18 2023-04-18 05:02:30
3  32613      5  05:05:30  2023-04-18 2023-04-18 05:05:30
4  32613      6  05:06:30  2023-04-18 2023-04-18 05:06:30
5  32613      8  05:07:30  2023-04-18 2023-04-18 05:07:30
6  32613      9  05:08:30  2023-04-18 2023-04-18 05:08:30
7  32613     11  05:10:30  2023-04-18 2023-04-18 05:10:30

推荐文章