Python Pandas-映射函数的错误行为

在使用

map

应用函数时，我遇到了一个非常奇怪的“bug”

这是可用于重现问题的示例

csv

：

DATE
2017-03-12 02:59:00
2017-03-12 03:59:00

以下是我正在使用的代码：

import pandas as pd
import datetime

df = pd.read_csv('example.csv', parse_dates = ['DATE'])

df['TIMESTAMP_C'] = [str(x.timestamp()) for x in df['DATE']]
df['TIMESTAMP_H'] = df['DATE'].map(datetime.datetime.timestamp).map(str)

以下是输出数据帧：

                 DATE   TIMESTAMP_C   TIMESTAMP_H
0 2017-03-12 02:59:00  1489287540.0  1489309140.0
1 2017-03-12 03:59:00  1489291140.0  1489309140.0

因此，正如您所看到的，map函数返回的时间戳是相同的，并且不正确。我想知道为什么

列表理解

返回正确的值。这可能不是一个bug，只是我在map函数中犯了一些错误，但是，我真的很想使用它，因为它大大加快了计算速度

---

编辑：我不是问怎么做，我是问为什么我这样做会返回不同的结果

映射函数工作正常。您正在传递一个属于datetime.datetime类的“unbound”方法，即

datetime.datetime.timestamp

，并且您正在向它传递一些

pandas.\u libs.tslibs.timestamp.timestamp

对象。你不应该期望它会起作用，我很惊讶它没有抛出错误

相反，您希望使用

pd.timestamp

类的

.timestamp

方法，因此：

In [3]: df.DATE.map(pd.Timestamp.timestamp).map(str)
Out[3]:
0    1489287540.0
1    1489291140.0
Name: DATE, dtype: object

---

我真的没有看到复制品。我知道如何在时间戳中转换日期，我在问为什么map@alollzb不正确，但如果你问我

我真的很想使用它，因为它大大加快了计算速度。如果
.map
是真的，你就无法打败
.astype（int64）/10**9
的性能，我也已经能够测试它了。无论如何，问题的标题是明确的<代码>映射函数的错误行为

与日期时间转换无关。我可能解释错了，但这不是这个问题的答案@阿洛兹