我有数据框架。

| Resource | timestamp                       |
| -------- | --------------                  |
| 112      | 2011-10-01 00:38:44.546000+02:00|
| 113      | 2011-10-02 00:38:44.546000+02:00|
| 112      | 2011-10-03 00:38:44.546000+02:00|
| 115      | 2011-10-04 00:38:44.546000+02:00|
| 114      | 2011-10-05 00:38:44.546000+02:00|
I used
df_log['time:timestamp'] = df_log['time:timestamp'].apply(lambda x: dt.strftime(dt.fromisoformat(str(x)),'%Y-%m-%d.%H:%M:%S'))
它去掉了'+'号，给了我日期和时间部分，但我觉得我做错了，因为我没有很好的数据时间处理知识！我的目标是只得到日期和时间，比如 "2011-10-01 00:38:44"，而且类型是 "datetime "而不是 "object"。
我的目标是只得到日期和时间，比如 "2011-10-01 00:38:44"，并且类型是 "datetime"，而不是我现在得到的对象。
    
4 个评论
David Erickson：
我没有得到对象。在做完df['timestamp'] = pd.to_datetime(df['timestamp'])后，我得到了datetime64[ns, pytz.FixedOffset(120)]的dtype。
Ferris：
How about pd.to_datetime(df['timestamp'].astype(str).str[:19])
Sam.H：
@Ferris 谢谢，你的代码比我的短且干净，尽管两者的结果相同。我的问题是，我是否做错了，因为我正在努力学习和理解数据时间转换过程。
Sam.H：
@DavidErickson 我的表是从一个日志文件（xes）转换到pandas df的 - 如果它最初是df，那么你是对的，它将产生datetime类型。
python
pandas
datetime
Sam.H
发布于 2021-01-05
3 个回答
David Erickson
发布于 2022-02-13
已采纳
0 人赞同

你可以使用。
df['timestamp'] = pd.to_datetime(df['timestamp'].str.replace('\+.*', ''))
df.info()
     #   Column     Non-Null Count  Dtype         
---  ------     --------------  -----         
 0   Resource   5 non-null      object        
 1   timestamp  5 non-null      datetime64[ns]
df['timestamp'] = pd.to_datetime(df['timestamp'])
df.info()
如果没有替换，你会返回一个datetime64[ns, pytz.FixedOffset(120)]的日期类型。
df['timestamp'] = pd.to_datetime(df['timestamp'])
df.info()
     #   Column     Non-Null Count  Dtype                                
---  ------     --------------  -----                                
 0   Resource   5 non-null      object                               
 1   timestamp  5 non-null      datetime64[ns, pytz.FixedOffset(120)]
你也可以使用。
df['timestamp'] = pd.to_datetime(df['timestamp']).dt.tz_convert(None)
从这个答案来看。https://stackoverflow.com/a/59919896/6366770
Per the docs，在2019年1月25日发布的0.24.0中，pandas处理datetime偏移的方式有了变化。
*Previous behavior:
In [2]: pd.to_datetime("2015-11-18 15:30:00+05:30")
Out[2]: Timestamp('2015-11-18 10:00:00')
In [3]: pd.Timestamp("2015-11-18 15:30:00+05:30")
Out[3]: Timestamp('2015-11-18 15:30:00+0530', tz='pytz.FixedOffset(330)')
# Different UTC offsets would automatically convert the datetimes to UTC (without a UTC timezone)
In [4]: pd.to_datetime(["2015-11-18 15:30:00+05:30", "2015-11-18 16:30:00+06:30"])
Out[4]: DatetimeIndex(['2015-11-18 10:00:00', '2015-11-18 10:00:00'], dtype='datetime64[ns]', freq=None)
New behavior:
In [56]: pd.to_datetime("2015-11-18 15:30:00+05:30")
Out[56]: Timestamp('2015-11-18 15:30:00+0530', tz='pytz.FixedOffset(330)')
In [57]: pd.Timestamp("2015-11-18 15:30:00+05:30")
Out[57]: Timestamp('2015-11-18 15:30:00+0530', tz='pytz.FixedOffset(330)')*
    
Sam.H：
谢谢David的回答。我在做替换代码时得到了AttributeError： df['timestamp'] = pd.to_datetime(df['timestamp'].str.replace('\+.*', ''))  "AttributeError:只能对字符串值使用.str访问器！"
Sam.H：
你的代码dt.tz_convert(None)工作得很好。我必须先将该列转换为UTC=True的日期类型，然后应用你的tz转换，我得到了正确的时间（是-2小时，即2011-10-01 00:38:44给我的是2011-09-30 22:38:44）。
Juan Camilo Rivera Palacio
发布于 2022-02-13
0 人赞同

在你的那行代码之后。试一下。
df_log['time:timestamp'] = datetime.strptime(df_log['time:timestamp'], '%Y-%m-%d.%H:%M:%S')
    
Phoenix
发布于 2022-02-13
0 人赞同

花了一些时间后，这些线条解决了我的问题。
将时区应用于该列并将时间戳转换为日期和时间。
df['timestamp'] = pd.to_datetime(df['timestamp'], utc=True).dt.tz_convert(None)
移除时区而不应用于该列。(我的最爱)
df['timestamp'] = pd.to_datetime(df['timestamp']).apply(lambda t: t.replace(tzinfo=None))