在pandas DataFrame中将unix时间转换为可读的date
我有一个数据框与unix时间和价格。 我想转换索引列，以便它显示在人类可读的date。 所以，例如我有“date”为1349633705在索引列，但我希望它显示为10/07/2012（或至less10/07/2012 18:15）。 对于某些上下文，这里是我正在使用的代码和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 df 正如你所看到的，我正在使用df.date = df.date.apply(lambda d: datetime.strptime(d, "%Y-%m-%d")) ，因为我正在工作整数，而不是string。 我想我需要使用datetime.date.fromtimestamp但我不太清楚如何将其应用于整个df.date。 谢谢。
这些似乎是自时代以来的秒钟。
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
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：不能转换input单位的”“
这意味着DATE_FIELD不是以秒为单位指定的。
就我而言，这是毫秒 – EPOCH time 。
转换工作使用下面：
df[DATE_FIELD]=(pd.to_datetime(df[DATE_FIELD],unit='ms'))
