将单个 Pandas 列转换为 DateTime答案

【问题标题】：Convert a single Pandas column to DateTime将单个 Pandas 列转换为 DateTime
【发布时间】：2022-01-06 10:19:13
【问题描述】：

在我的数据框中，我将每列的索引设置为“时间”，然后执行frame = frame.astype(float) 将所有其他数据转换为浮点数。但是，我现在需要默认索引（0、1、2 等），但我仍然想将“时间”列设置为日期时间格式。我尝试了几种不同的方法，它们要么工作，但搞砸了时间（说是 1970 年而不是 2021 年），要么导致TypeError: Cannot cast DatetimeArray to dtype float64

这类似于我想要的数据框（但时间搞砸了）：

                          Time      Open      High       Low     Close
0   1970-01-01 00:27:18.185760  57141.92  57157.16  57141.92  57147.00
1   1970-01-01 00:27:18.185820  57145.48  57149.15  57124.62  57139.75
2   1970-01-01 00:27:18.185880  57126.75  57173.11  57126.74  57142.20
3   1970-01-01 00:27:18.185940  57163.42  57163.42  57079.10  57135.31
4   1970-01-01 00:27:18.186000  57084.42  57110.00  57084.42  57092.95

我尝试使用以下命令更改“时间”列的格式：

frame['Time'] = pd.to_datetime(frame['Time'])

和

frame['Time'] = frame['Time'].apply(pd.to_datetime)

我也尝试过以类似的方式更改其他列的类型

frame[['Open','High','Low','Close']] = frame[['Open','High','Low','Close']].apply(frame.astype(float))

我在申请pd.to_datetime之前和之后都试过这个

编辑

将提供更多信息，因为我不够具体。下面的代码从 API 检索数据并将其放入 DataFrame。 API 的响应是一个列表列表，每个子列表包含 10 个元素（我想，现在不记得了）。我只希望数据达到“关闭”。

def get_historical_futures_data(symbol, interval, lookback):
    frame = pd.DataFrame(client.futures_historical_klines(symbol, interval, lookback+' min ago UTC'))
    frame = frame.iloc[:,:5]
    frame.columns = ['Time','Open','High','Low','Close']
    frame = frame.set_index('Time')
    frame.index = pd.to_datetime(frame.index, unit='ms')
    frame = frame.astype(float)
    print(frame)
    frames.append(frame)

                         Open      High       Low     Close
Time                                                       
2021-11-29 14:27:00  57220.49  57220.50  57185.95  57190.01
2021-11-29 14:28:00  57190.00  57209.21  57161.74  57177.28
2021-11-29 14:29:00  57177.28  57182.61  57160.26  57164.46
2021-11-29 14:30:00  57164.46  57186.99  57154.32  57155.99
2021-11-29 14:31:00  57156.00  57179.74  57154.33  57179.74

上面是代码（及其输出），我以前有，但是，在我的代码的另一部分，我意识到保留行索引号对我来说要容易得多，所以我不想'时间' 每行的索引。相反，我希望保留每一行的索引，然后是其余的数据框，类似于：

                          Time      Open      High       Low     Close
0   1970-01-01 00:27:18.185760  57141.92  57157.16  57141.92  57147.00
1   1970-01-01 00:27:18.185820  57145.48  57149.15  57124.62  57139.75
2   1970-01-01 00:27:18.185880  57126.75  57173.11  57126.74  57142.20
3   1970-01-01 00:27:18.185940  57163.42  57163.42  57079.10  57135.31
4   1970-01-01 00:27:18.186000  57084.42  57110.00  57084.42  57092.95

我的问题是，我无法将“时间”列设为 DateTime 类型，也无法将其他列（Open、High、Low、Close）设为浮点类型。我要么收到关于类型转换的错误，要么时间列搞砸了，说的是 1970 年而不是 2021 年。

如何让每一列（EXCEPT FOR TIME）为float类型，而将Time列设为DateTime类型？

【问题讨论】：

不确定我是否理解这个问题。您是否运行了“错误”命令并想要“取消”？你不能重新启动你的脚本/笔记本吗？您能否提供一个重现问题的最小示例（提供输入数据）？
你不能只是 frame.reset_index()，这应该给你时间索引作为一列和一个从 0 到 n 的新索引？
不确定问题出在哪里 - 您是说您的 DataFrame 中有一个包含“浮点数”的“时间”列吗？或者您是说您的“时间”列有“类似日期时间的条目”并且您无法将其转换为正确的日期时间值？

标签： python pandas dataframe datetime

【解决方案1】：

我相信这个问题可能会发生，因为 pandas 不容易找到该格式。或许您可以尝试使用infer_datetime_format=True 来增强检测到的格式。

请尝试：

frame['Time'] = pd.to_datetime(frame['Time'],infer_datetime_format=True)

这个输出

                        Time
0 1970-01-01 00:27:18.185760
1 1970-01-01 00:27:18.185820
2 1970-01-01 00:27:18.185880

通过使用df.info()，我们可以检查它是一个实际的日期时间格式：

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 1 columns):
 #   Column  Non-Null Count  Dtype         
---  ------  --------------  -----         
 0   Time    3 non-null      datetime64[ns]
dtypes: datetime64[ns](1)
memory usage: 152.0 bytes
None

这是用于本示例的示例数据：

df = pd.DataFrame({'Time':['1970-01-01 00:27:18.185760',
                           '1970-01-01 00:27:18.185820',
                           '1970-01-01 00:27:18.185880']})

【讨论】：

不幸的是，该解决方案给了我这个错误：``` raise SpecificationError("nested renamer is not supported") pandas.core.base.SpecificationError: nested renamer is not supported ```

【解决方案2】：

所以我发现我做错了什么。我的时间从 2021 年更改为 1970 年，因为我没有指定单位为毫秒。我的代码与我最初的代码非常相似，解决方案实际上非常简单：

def get_historical_futures_data(symbol, interval, lookback):
    frame = pd.DataFrame(client.futures_historical_klines(symbol, interval, lookback+' min ago UTC'))
    frame = frame.iloc[:,:5]
    frame.columns = ['Time','Open','High','Low','Close']
    frame['Time'] = pd.to_datetime(frame['Time'], unit='ms')
    frame[['Open','High','Low','Close']] = frame[['Open','High','Low','Close']].astype(float)
    print(frame)
    frames.append(frame)

输出是：

                  Time      Open      High       Low     Close
0   2021-11-29 19:17:00  58388.41  58401.33  58357.30  58359.75
1   2021-11-29 19:18:00  58359.74  58365.33  58270.00  58290.95
2   2021-11-29 19:19:00  58290.95  58291.80  58173.28  58188.67
3   2021-11-29 19:20:00  58188.68  58317.02  58174.30  58308.70
4   2021-11-29 19:21:00  58309.32  58365.75  58309.31  58330.55

【讨论】：