如何更改 dtype datetime64[ns] 的 pandas 系列的原始日期？

Question

我有一个数据类型为 datetime64[ns] 的 pandas 系列。这是它的样子：

0      1970-01-01 00:00:00
1      1970-01-01 00:00:01
2      1970-01-01 00:00:02
3      1970-01-01 00:00:03
4      1970-01-01 00:00:04
5      1970-01-01 00:00:05
6      1970-01-01 00:00:06
7      1970-01-01 00:00:07
8      1970-01-01 00:00:08
9      1970-01-01 00:00:09
10     1970-01-01 00:00:10
11     1970-01-01 00:00:11
12     1970-01-01 00:00:12
13     1970-01-01 00:00:13
14     1970-01-01 00:00:14
15     1970-01-01 00:00:15
16     1970-01-01 00:00:16

我想设置我自己的原始日期（日期时间的时间部分将保持不变），所以它看起来像这样：

0      2019-02-19 00:00:00
1      2019-02-19 00:00:01
2      2019-02-19 00:00:02
3      2019-02-19 00:00:03
4      2019-02-19 00:00:04
5      2019-02-19 00:00:05
6      2019-02-19 00:00:06
7      2019-02-19 00:00:07
8      2019-02-19 00:00:08
9      2019-02-19 00:00:09
10     2019-02-19 00:00:10
11     2019-02-19 00:00:11
12     2019-02-19 00:00:12
13     2019-02-19 00:00:13
14     2019-02-19 00:00:14
15     2019-02-19 00:00:15
16     2019-02-19 00:00:16

最好的方法是什么？

Answer 1

假设您的列名为Date，请使用Timestamp.replace：

df['Date'].apply(lambda dt: dt.replace(2019, 2, 19))
# or more self expalantory
# df['Date'].apply(lambda dt: dt.replace(year=2019, month=2, day=19))

0    2019-02-19 00:00:00
1    2019-02-19 00:00:01
2    2019-02-19 00:00:02
3    2019-02-19 00:00:03
4    2019-02-19 00:00:04
5    2019-02-19 00:00:05
6    2019-02-19 00:00:06
7    2019-02-19 00:00:07
8    2019-02-19 00:00:08
9    2019-02-19 00:00:09
10   2019-02-19 00:00:10
11   2019-02-19 00:00:11
12   2019-02-19 00:00:12
13   2019-02-19 00:00:13
14   2019-02-19 00:00:14
15   2019-02-19 00:00:15
16   2019-02-19 00:00:16
Name: Date, dtype: datetime64[ns]

Answer 2

如果你想要一个任意的来源，你可以将差值与那个日期时间相加：

df['Date'] = df['Date'].apply(lambda x: x + datetime.datetime(2019, 2, 19) - datetime.datetime(1970, 1, 1))