将 unix 时间转换为熊猫数据框中的可读日期

Question

我有一个包含 unix 时间和价格的数据框。我想转换索引列，以便它以人类可读的日期显示。

So for instance I have date as 1349633705 in the index column but I’d want it to show as 10/07/2012 (or at least 10/07/2012 18:15 ）。

对于某些上下文，这是我正在使用的代码以及我已经尝试过的代码：

 import json
import urllib2
from datetime import datetime
response = urllib2.urlopen('http://blockchain.info/charts/market-price?&format=json')
data = json.load(response)
df = DataFrame(data['values'])
df.columns = ["date","price"]
#convert dates
df.date = df.date.apply(lambda d: datetime.strptime(d, "%Y-%m-%d"))
df.index = df.date

如您所见，我在这里使用 df.date = df.date.apply(lambda d: datetime.strptime(d, "%Y-%m-%d")) 这不起作用，因为我使用的是整数，而不是字符串。我想我需要使用 datetime.date.fromtimestamp 但我不太确定如何将其应用于整个 df.date 。

谢谢。

原文由 W A Carnegie 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

这些似乎是纪元以来的秒数。

 In [20]: df = DataFrame(data['values'])

In [21]: df.columns = ["date","price"]

In [22]: df
Out[22]:
<class 'pandas.core.frame.DataFrame'>
Int64Index: 358 entries, 0 to 357
Data columns (total 2 columns):
date     358  non-null values
price    358  non-null values
dtypes: float64(1), int64(1)

In [23]: df.head()
Out[23]:
         date  price
0  1349720105  12.08
1  1349806505  12.35
2  1349892905  12.15
3  1349979305  12.19
4  1350065705  12.15
In [25]: df['date'] = pd.to_datetime(df['date'],unit='s')

In [26]: df.head()
Out[26]:
                 date  price
0 2012-10-08 18:15:05  12.08
1 2012-10-09 18:15:05  12.35
2 2012-10-10 18:15:05  12.15
3 2012-10-11 18:15:05  12.19
4 2012-10-12 18:15:05  12.15

In [27]: df.dtypes
Out[27]:
date     datetime64[ns]
price           float64
dtype: object

原文由 Jeff 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

如果您尝试使用：

 df[DATE_FIELD]=(pd.to_datetime(df[DATE_FIELD],***unit='s'***))

并收到错误：

“pandas.tslib.OutOfBoundsDatetime：无法使用单位‘s’转换输入”

这意味着 DATE_FIELD 没有以秒为单位指定。

在我的例子中，它是毫秒 - EPOCH time 。

转换使用以下方法进行：

 df[DATE_FIELD]=(pd.to_datetime(df[DATE_FIELD],unit='ms'))

原文由 Parachute 发布，翻译遵循 CC BY-SA 3.0 许可协议