pd.read_csv - 纪元日期转换答案

【问题标题】：pd.read_csv - epoch date conversionpd.read_csv - 纪元日期转换
【发布时间】：2018-01-29 00:16:28
【问题描述】：

我有带有日期列的 csv，例如 Bill Date，存储为日期的 Excel 序列号。所以 12/15/2017 在 csv 中表示为 43084。我需要在我的 DataFrame 中将其转换为 Pandas / Python 识别的实际日期。所以，我的问题是：有没有比我用来转换日期的方法更有效的方法？

df:
    Bill Date
0       43084

Excel 将日期存储为自 1900 年 1 月 1 日以来的天数，pandas 默认为 1970 年 1 月 1 日。

diff = pd.Timestamp('1970-01-01') - pd.Timestamp('1900-01-01')
pd.to_datetime([43084 - (diff.days + 2)], unit='d')

DatetimeIndex(['2017-12-15'], dtype='datetime64[ns]', freq=None)

那么，我是否遗漏了一些明显的东西（例如，不同来源的选项）？

【问题讨论】：

标签： python excel pandas

【解决方案1】：

这样做：

 import pandas as pd
 from datetime import datetime

 df = pd.read_csv("yourdataframe.csv")
 df["Bill_Date"] = df["Bill_Date"].map(lambda x: datetime.fromordinal(datetime(1900, 1, 1).toordinal() + x - 2))
 df["Bill_Date"] = df["Bill_Date"].map(lambda x: x.strftime("%Y-%m-%d"))

 print df.head()

【讨论】：

谢谢，我使用的方法实际上更快。所以，我不确定这是否更有效。
您计算过这种方式占用数据的时间吗？
另外，我以为您要求的是功能而不是速度。无论如何，您的方法运行良好且速度更快，这很好。祝你的代码好运。
%%timeit df["Bill_Date"].map(lambda x: datetime.fromordinal(datetime(1900, 1, 1).toordinal() + x - 2)) ....73.4 µs ± 3.04 µs 每个循环
%%timeit pd.to_datetime(df['Bill_Date'].values - (diff.days + 2), unit='d') .....47.2 µs ± 2.12 µs 每个循环