你好,我有以下数据框
df =
Record_ID Time
94704 2014-03-10 07:19:19.647342
94705 2014-03-10 07:21:44.479363
94706 2014-03-10 07:21:45.479581
94707 2014-03-10 07:21:54.481588
94708 2014-03-10 07:21:55.481804
是否可以有以下内容?
df1 =
Record_ID Time
94704 2014-03-10 07:19:19
94705 2014-03-10 07:21:44
94706 2014-03-10 07:21:45
94707 2014-03-10 07:21:54
94708 2014-03-10 07:21:55
最佳答案
您可以转换底层 datetime64[ns]
使用 astype
将值转换为 datetime64[s]
值:
In [11]: df['Time'] = df['Time'].astype('datetime64[s]')
In [12]: df
Out[12]:
Record_ID Time
0 94704 2014-03-10 07:19:19
1 94705 2014-03-10 07:21:44
2 94706 2014-03-10 07:21:45
3 94707 2014-03-10 07:21:54
4 94708 2014-03-10 07:21:55
请注意,由于 Pandas Series 和 DataFrames store all datetime values as datetime64[ns]
这些 datetime64[s]
值会自动转换回 datetime64[ns]
,因此最终结果仍存储为 datetime64[ns]
值,但对 astype
的调用导致秒的小数部分被删除。
如果您希望拥有 datetime64[s]
值的 NumPy 数组,您可以使用 df['Time'].values.astype('datetime64[s]')
.
关于Python:减少精度 Pandas 时间戳数据帧,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/32827169/