快速日期和时间转换答案

【问题标题】：Fast date and time conversion快速日期和时间转换
【发布时间】：2018-08-30 18:58:45
【问题描述】：

我的数据如下所示：

       DATE             TIME_M EX    BID    ASK SYM_ROOT  SYM_SUFFIX
0  20180312  9:30:00.052465558  V  41.67  43.77     TRIP         NaN
1  20180312  9:30:00.207724531  B  41.66  43.61     TRIP         NaN
2  20180312  9:30:00.208090941  K  40.80  44.76     TRIP         NaN
3  20180312  9:30:00.208116618  Z  41.62  43.83     TRIP         NaN
4  20180312  9:30:00.208691471  V  40.76  43.77     TRIP         NaN

为了让它看起来像这样：

        DATE EX    BID    ASK          time
0 2018-03-12  V  41.67  43.77  34200.052466
1 2018-03-12  B  41.66  43.61  34200.207725
2 2018-03-12  K  40.80  44.76  34200.208091
3 2018-03-12  Z  41.62  43.83  34200.208117
4 2018-03-12  V  40.76  43.77  34200.208691

我创建了以下函数：

def transform_date_time(file):
    # Transform DATE format to include hiffens:
    file['DATE'] = file['DATE'].apply(lambda x: datetime.datetime.strptime(str(x), '%Y%m%d'))

    # Join DATE and TIME_M
    file["newtime"] = pd.to_datetime(file["DATE"].astype(str) +" "+ file["TIME_M"].map(str))

    # Get seconds from midnight
    file["midnight"] = pd.to_datetime(file["DATE"].astype(str) + " " + "00:00:00.000000000")
    file['time'] = file["newtime"] - file["midnight"]  # in timedelta format
    file['time'] = file['time'].apply(lambda x: x.total_seconds())

    # Delete columns that will not be used
    columns = ['SYM_ROOT', 'SYM_SUFFIX','TIME_M','newtime','midnight']
    file.drop(columns, inplace=True, axis=1)

    return file

所以，我正在做的是将DATE 列转换为包含连字符，并将TIME_M 列变成一个“时间”列，现在是从午夜开始的秒数，而不是常规的 24 小时时间。

我的问题是这需要一段时间才能运行。有没有更有效的方法来做同样的事情？

【问题讨论】：

这需要多长时间？你在什么上运行它？

标签： python performance pandas datetime time

【解决方案1】：

日期时间转换可能很昂贵。所以让我们尽量避免它们：

最明显的优化：

重复相同的日期和时间（直到小数点），因此最好只在它们发生变化时进行转换，并在它们保持不变的情况下使用上次转换的结果（对于数据这可能会很多次）。

当它们发生变化时，您甚至不必在您的情况下使用日期时间转换。对于日期，您可以使用子字符串简单地插入'-'，并且对于时间而言，无需先转换为时间或日期时间就可以轻松计算秒数。只需提取 3 个部分，乘以 3600、60 并加上秒。

【讨论】：

【解决方案2】：

pandas 有一个更简单的方法。

df['DATE'] = pd.to_datetime(df['DATE'], format='%Y%m%d')
df['TIME_M'] = pd.to_timedelta(df['TIME_M']).dt.total_seconds()

一般情况下，请避免使用lambda，因为这只是一个伪装不佳且通常效率低下的循环。

请注意，您的日期输出是 datetime 对象。在内部，它表示为整数。破折号只是用于演示。

如果您真的需要破折号，则需要将转换回字符串，除非绝对需要，否则我不建议这样做。

【讨论】：