您好我有以下数据框
df =
Record_ID Time
94704 2014-03-10 07:19:19.647342
94705 2014-03-10 07:21:44.479363
94706 2014-03-10 07:21:45.479581
94707 2014-03-10 07:21:54.481588
94708 2014-03-10 07:21:55.481804
可能有以下人吗?
df1 =
Record_ID Time
94704 2014-03-10 07:19:19
94705 2014-03-10 07:21:44
94706 2014-03-10 07:21:45
94707 2014-03-10 07:21:54
94708 2014-03-10 07:21:55
最佳答案
您可以使用datetime64[ns]
将基础 datetime64[s]
值转换为astype
值:
In [11]: df['Time'] = df['Time'].astype('datetime64[s]')
In [12]: df
Out[12]:
Record_ID Time
0 94704 2014-03-10 07:19:19
1 94705 2014-03-10 07:21:44
2 94706 2014-03-10 07:21:45
3 94707 2014-03-10 07:21:54
4 94708 2014-03-10 07:21:55
请注意,由于Pandas Series和DataFrames store all datetime values as datetime64[ns]
会自动将这些datetime64[s]
值转换回datetime64[ns]
,因此最终结果仍将存储为datetime64[ns]
值,但是对astype
的调用会导致秒的小数部分被删除。如果您希望使用NumPy的
datetime64[s]
值数组,则可以使用df['Time'].values.astype('datetime64[s]')
。关于python - Python:降低精度 Pandas 时间戳数据框,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/32827169/