Pandas - 从 sqlite 数据库中解析日期时间列答案

【问题标题】：Pandas - Parsing datetime column from sqlite databasePandas - 从 sqlite 数据库中解析日期时间列
【发布时间】：2012-09-04 08:58:12
【问题描述】：

我目前正在使用一些动手数据探索 python 库 pandas，其中一列包含一个日期时间对象。但是，当使用 DataFrame 方法解析表时，日期列中的日期时间对象被解析为初始值，例如1970-01-16 14:12:28。

例如，如果我有一个包含以下内容的 np.array：

np.array(result, dtype=my_dtype) =
array([ (datetime.datetime(2012, 9, 9, 0, 0), datetime.datetime(2012, 9, 8, 15, 10)),
dtype=[('Date', ('<M8[us]', {})), ('Forecasting', ('<M8[us]', {})),

解析后会返回：

test = pandas.DataFrame(np.array(result, dtype=my_dtype))
test['Date'] =
1970-01-16 14:12:28.800000

和

test['Forecasting'] =
1970-01-16 14:11:57

这是一个错误，还是我做错了什么？

仅供参考：pandas.version = 0.8.1，numpy.version = 1.6.2 和 Python 2.7.3

【问题讨论】：

标签： python datetime pandas

【解决方案1】：

这是一个错误。在此报告：http://github.com/pydata/pandas/issues/2095

【讨论】：

【解决方案2】：

我不熟悉panda，但我怀疑您为自己的字段选择的dtype 有问题。看起来您使用的是[us]，即从纪元（1970-01-01）开始的微秒，而您可能应该使用纪元的days。

另一种可能性是在ndarray 中使用基本的datetime 对象，方法是使用dtype=object。

【讨论】：

是的，这可能是导致解析不正确的原因。我正在使用 np.datetime64 数据类型解析日期时间，但我该怎么做呢？
检查 this link 的 NumPy 和日期时间，尤其是设置频率。请注意，虽然它有效，但它仍然不是 100% 万无一失的。另一种方法是通过选择dtype=object 来创建datetime 对象的ndarray。
如果我将 dtype 更改为 object，它实际上可以工作。但我不明白如何通过更改纪元来更改日期时间数据类型？（如日期时间['D']）
'<M8[D]' 在你的第一行？
对不起，它不起作用。试过'<M8[D]' 和'np.datetime64[D]'。