如何在熊猫（python）日期列中将 00:00（HH:MM）的时间转换为 24:00？答案

【问题标题】：How to convert time of 00:00 (HH:MM) to 24:00 in pandas (python) date column?如何在熊猫（python）日期列中将 00:00（HH:MM）的时间转换为 24:00？
【发布时间】：2021-08-31 04:30:06
【问题描述】：

我有一个带有日期时间列的 csv 文件。我使用 pandas.read_csv(file, index_col="Date", parse_date=True) 来读取 csv。 datetime 列的频率/分辨率为 30 分钟，因此给定日期的第一次是 00:30:00，但最后一次不是我想要的：

如您所见，给定日期（此处为 2015-12-01）的时间 00:00:00 被解释为第二天。我找不到解决此问题的方法。在这个例子中，我想要： 2015-12-02 00:00:00 被解释为 205-12-01 24:00:00 或引用正确日期的东西。

有谁知道在 pandas 中怎么做？

编辑：所以我想要的是当我得到这个时间 00:00:00 的日期时，它给了我昨天的日期（所以它认为时间是 23:59:59）：我想要这个：

2015-12-01 23:00:00    Tuesday  2015-12-01
2015-12-01 23:30:00    Tuesday  2015-12-01
2015-12-02 00:00:00  Wednesday  2015-12-02
2015-12-02 00:30:00  Wednesday  2015-12-02

是这样的：

2015-12-01 23:00:00    Tuesday  2015-12-01
2015-12-01 23:30:00    Tuesday  2015-12-01
2015-12-01 23:59:59    Tuesday  2015-12-01
2015-12-02 00:30:00  Wednesday  2015-12-02

就这样

【问题讨论】：

这是默认的 pandas 格式...
是的，但我正在做的事情是错误的
@mas 在下面查看我的答案
@mas 我为您提供了working answer。或者，如果您只需要一天进行组操作，则可以仅在时间为 '00:00:00' 的前一天保留一个 datetime 对象
我还为您更新的问题提供了答案

标签： python pandas date datetime

【解决方案1】：

如果可以使用字符串，其实很简单。如果时间为'00:00:00'，则减去一天，转换为字符串，将'00:00:00'替换为'24:00:00'。

import datetime
s = pd.Series(['2015-12-01 23:00:00', '2015-12-01 00:00:00'])
s = pd.to_datetime(s)
s.where(s.dt.time != datetime.time(0),
        ((s-pd.to_timedelta('1day'))
         .dt.strftime('%Y-%m-%d %H:%M:%S')
         .str.replace('00:00:00', '24:00:00')
        )
       )

输出：

0    2015-12-01 23:00:00
1    2015-11-30 24:00:00

或者，为了您的编辑：

df['col1'] = pd.to_datetime(df['col1'])
df['col1'] = df['col1'].where(df['col1'].dt.time != datetime.time(0),
                              (df['col1']-pd.to_timedelta('1s'))
                             )
df['col2'] = df['col1'].dt.day_name()
df['col3'] = df['col1'].dt.date

输出：

                 col1       col2        col3
0 2015-12-01 23:00:00    Tuesday  2015-12-01
1 2015-12-01 23:30:00    Tuesday  2015-12-01
2 2015-12-01 23:59:59    Tuesday  2015-12-01
3 2015-12-02 00:30:00  Wednesday  2015-12-02

【讨论】：

【解决方案2】：

（有点晚，但是）您可以使用dt.normalize 查找要修改的值并减去一秒，然后根据 DateTime 列更改其他列。

输入数据：

>>> df
             DateTime  DayOfWeek       Date
0 2015-12-01 23:00:00    Tuesday 2015-12-01
1 2015-12-01 23:30:00    Tuesday 2015-12-01
2 2015-12-02 00:00:00  Wednesday 2015-12-02
3 2015-12-02 00:30:00  Wednesday 2015-12-02

>>> df.dtypes
DateTime     datetime64[ns]
DayOfWeek            object
Date         datetime64[ns]

new = df.loc[df['DateTime'].eq(df['DateTime'].dt.normalize()), ['DateTime']] \
        .sub(pd.DateOffset(seconds=1))

new = new.assign(DayOfWeek=new['DateTime'].dt.day_name(), 
                 Date=new['DateTime'].dt.normalize())

df.update(new)

输出结果：

>>> df
             DateTime  DayOfWeek       Date
0 2015-12-01 23:00:00    Tuesday 2015-12-01
1 2015-12-01 23:30:00    Tuesday 2015-12-01
2 2015-12-01 23:59:59    Tuesday 2015-12-01
3 2015-12-02 00:30:00  Wednesday 2015-12-02
4 2021-08-30 23:59:59     Monday 2021-08-30

【讨论】：