使用Pandas时如何将UNIX时间转换为Datetime。DataFrame.from_dict?

您可以先转换密钥。它们似乎以毫秒为单位:

import pandas as pd
import datetime as dt

data = {"1707195600000":1,"1707282000000":18,"1707368400000":1,"1707454800000":13,"1707714000000":18,"1707800400000":12,"1707886800000":155,"1707973200000":1}
cvt_data = {dt.datetime.fromtimestamp(int(k) / 1000):v for k, v in data.items()}
df = pd.DataFrame.from_dict(cvt_data, orient='index')
print(df)

输出:

                       0
2024-02-05 21:00:00    1
2024-02-06 21:00:00   18
2024-02-07 21:00:00    1
2024-02-08 21:00:00   13
2024-02-11 21:00:00   18
2024-02-12 21:00:00   12
2024-02-13 21:00:00  155
2024-02-14 21:00:00    1

上面的代码将时间戳转换为不知道时区的本地时间,在我的例子中是太平洋标准时间(UTC-8)。以下转换为UTC时区感知日期时间。注意 +00:00 在输出中指示区域偏移:

cvt_data = {dt.datetime.fromtimestamp(int(k) / 1000, tz=dt.UTC):v for k, v in data.items()}

使用起来快得多 pd.to_datetime (在我的测试中约为6-7x),默认为该数据的tz无意识UTC转换。使用 utc=True 让它知道:

df = pd.DataFrame.from_dict(data, orient='index')
df.index = pd.to_datetime(df.index.astype(dtype='int64'), utc=True, unit='ms')

输出(两个UTC版本):

                             0
2024-02-06 05:00:00+00:00    1
2024-02-07 05:00:00+00:00   18
2024-02-08 05:00:00+00:00    1
2024-02-09 05:00:00+00:00   13
2024-02-12 05:00:00+00:00   18
2024-02-13 05:00:00+00:00   12
2024-02-14 05:00:00+00:00  155
2024-02-15 05:00:00+00:00    1

你可以使用Pandas to_datetime 转换索引。我还没有做任何基准测试,但我想当你有更多的数据时,它可能会更快:

dataframe.index = pd.to_datetime(dataframe.index, unit="ms")
# or
dataframe.index = pd.to_datetime(dataframe.index.astype(dtype='int64'))

注意:“解析字符串时,'to_datetime'与'unit'的行为已被弃用。”-因此,第二个选项,索引首先转换为int。