<tfoot id='1eMn7'></tfoot>

      • <bdo id='1eMn7'></bdo><ul id='1eMn7'></ul>
      <legend id='1eMn7'><style id='1eMn7'><dir id='1eMn7'><q id='1eMn7'></q></dir></style></legend>

      <small id='1eMn7'></small><noframes id='1eMn7'>

        <i id='1eMn7'><tr id='1eMn7'><dt id='1eMn7'><q id='1eMn7'><span id='1eMn7'><b id='1eMn7'><form id='1eMn7'><ins id='1eMn7'></ins><ul id='1eMn7'></ul><sub id='1eMn7'></sub></form><legend id='1eMn7'></legend><bdo id='1eMn7'><pre id='1eMn7'><center id='1eMn7'></center></pre></bdo></b><th id='1eMn7'></th></span></q></dt></tr></i><div id='1eMn7'><tfoot id='1eMn7'></tfoot><dl id='1eMn7'><fieldset id='1eMn7'></fieldset></dl></div>

      1. Python:降低精度 pandas 时间戳数据帧

        时间:2023-09-14
          • <bdo id='t75Ww'></bdo><ul id='t75Ww'></ul>
            <tfoot id='t75Ww'></tfoot>

            • <i id='t75Ww'><tr id='t75Ww'><dt id='t75Ww'><q id='t75Ww'><span id='t75Ww'><b id='t75Ww'><form id='t75Ww'><ins id='t75Ww'></ins><ul id='t75Ww'></ul><sub id='t75Ww'></sub></form><legend id='t75Ww'></legend><bdo id='t75Ww'><pre id='t75Ww'><center id='t75Ww'></center></pre></bdo></b><th id='t75Ww'></th></span></q></dt></tr></i><div id='t75Ww'><tfoot id='t75Ww'></tfoot><dl id='t75Ww'><fieldset id='t75Ww'></fieldset></dl></div>
              <legend id='t75Ww'><style id='t75Ww'><dir id='t75Ww'><q id='t75Ww'></q></dir></style></legend>
                <tbody id='t75Ww'></tbody>

              <small id='t75Ww'></small><noframes id='t75Ww'>

                • 本文介绍了Python:降低精度 pandas 时间戳数据帧的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!

                  问题描述

                  您好,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
                  

                  有可能有以下吗?

                  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
                  

                  推荐答案

                  你可以转换底层 datetime64[ns] 值使用 astype 转换为 datetime64[s] 值:

                  You could convert the underlying datetime64[ns] values to datetime64[s] values using astype:

                  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 系列和 DataFrames 将所有日期时间值存储为 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 的调用会导致秒的小数部分被删除.

                  Note that since Pandas Series and DataFrames store all datetime values as datetime64[ns] these datetime64[s] values are automatically converted back to datetime64[ns], so the end result is still stored as datetime64[ns] values, but the call to astype causes the fractional part of the seconds to be removed.

                  如果您希望有一个 datetime64[s] 值的 NumPy 数组,您可以使用 df['Time'].values.astype('datetime64[s]').

                  If you wish to have a NumPy array of datetime64[s] values, you could use df['Time'].values.astype('datetime64[s]').

                  这篇关于Python:降低精度 pandas 时间戳数据帧的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持html5模板网!

                  • <legend id='7hq1M'><style id='7hq1M'><dir id='7hq1M'><q id='7hq1M'></q></dir></style></legend>

                    <small id='7hq1M'></small><noframes id='7hq1M'>

                      <tbody id='7hq1M'></tbody>

                    • <bdo id='7hq1M'></bdo><ul id='7hq1M'></ul>
                      <tfoot id='7hq1M'></tfoot>

                      1. <i id='7hq1M'><tr id='7hq1M'><dt id='7hq1M'><q id='7hq1M'><span id='7hq1M'><b id='7hq1M'><form id='7hq1M'><ins id='7hq1M'></ins><ul id='7hq1M'></ul><sub id='7hq1M'></sub></form><legend id='7hq1M'></legend><bdo id='7hq1M'><pre id='7hq1M'><center id='7hq1M'></center></pre></bdo></b><th id='7hq1M'></th></span></q></dt></tr></i><div id='7hq1M'><tfoot id='7hq1M'></tfoot><dl id='7hq1M'><fieldset id='7hq1M'></fieldset></dl></div>