Python 创建与索引重复的列

希望这听起来不是一个愚蠢的问题，但有人知道如何将时间序列索引复制为一列，并删除时区信息吗

我的df索引：

data_to_keep.index

将产生：

DatetimeIndex(['2019-06-05 00:00:00+00:00', '2019-07-12 00:00:00+00:00',
               '2019-07-24 00:00:00+00:00', '2019-07-25 00:00:00+00:00',
               '2019-07-26 00:00:00+00:00', '2019-08-02 00:00:00+00:00',
               '2019-08-13 00:00:00+00:00', '2019-08-20 00:00:00+00:00',
               '2019-09-20 00:00:00+00:00', '2019-10-01 00:00:00+00:00'],
              dtype='datetime64[ns, UTC]', name='Date', freq=None)

尝试使用以下信息创建df列：

data_to_keep['days'] = data_to_keep.index
data_to_keep = data_to_keep[['days']].reset_index()
data_to_keep = data_to_keep.drop('Date', axis=1)

这将产生datetime64[ns，UTC]：

days
0   2019-06-05 00:00:00+00:00
1   2019-07-12 00:00:00+00:00
2   2019-07-24 00:00:00+00:00
3   2019-07-25 00:00:00+00:00
4   2019-07-26 00:00:00+00:00
5   2019-08-02 00:00:00+00:00
6   2019-08-13 00:00:00+00:00
7   2019-08-20 00:00:00+00:00
8   2019-09-20 00:00:00+00:00
9   2019-10-01 00:00:00+00:00

如何将其转换为字符串并删除所有时区信息，即

00:00:00+00:00

如果我使用：

data-to-keep=data-to-keep.days.astype（str）

这会转换为字符串，但如何去掉所有

00:00:00+00:00

？因此，我的数据框架如下所示：

days
0   2019-06-05 
1   2019-07-12 
2   2019-07-24 
3   2019-07-25 
4   2019-07-26 
5   2019-08-02 
6   2019-08-13 
7   2019-08-20 
8   2019-09-20 
9   2019-10-01 

---

您可以遍历该列，并使用python字符串替换函数清除时间戳或使用正则表达式

因为所有的时间戳都有相同的模式字符串，所以替换函数会很有帮助

我使用了下面的代码，去掉了该列上的所有时间戳

def stamp(col):
for i in range(len(df[col])):
    if(df[col][i]!='present'):
        df[col][i]=df[col][i].replace('0:00','').strip()

用时间戳模式替换“0:00”

这里df=dataframe，col=column 我的代码看起来像这样，因为数据帧包含三个以上的列，其中包含这些类型的时间戳

我的代码中有一个转折点，那就是列中包含了“present”字符串，表示员工仍在公司工作

---

我相信这将对您有所帮助：）

您可以遍历该列，并使用python字符串替换函数清除时间戳或使用正则表达式

因为所有的时间戳都有相同的模式字符串，所以替换函数会很有帮助

我使用了下面的代码，去掉了该列上的所有时间戳

def stamp(col):
for i in range(len(df[col])):
    if(df[col][i]!='present'):
        df[col][i]=df[col][i].replace('0:00','').strip()

用时间戳模式替换“0:00”

这里df=dataframe，col=column 我的代码看起来像这样，因为数据帧包含三个以上的列，其中包含这些类型的时间戳

我的代码中有一个转折点，那就是列中包含了“present”字符串，表示员工仍在公司工作

---

我相信这会对您有所帮助：）

尝试

data\u to\u keep.index=data\u to\u keep.index.strftime（“%Y-%m-%d”）

在执行以下操作之前，请执行此操作：

data_to_keep['days'] = data_to_keep.index
data_to_keep = data_to_keep.reset_index()
data_to_keep = data_to_keep.drop('Date', axis=1)

---

尝试

data\u to\u keep.index=data\u to\u keep.index.strftime（“%Y-%m-%d”）

在执行以下操作之前，请执行此操作：

data_to_keep['days'] = data_to_keep.index
data_to_keep = data_to_keep.reset_index()
data_to_keep = data_to_keep.drop('Date', axis=1)

---

要删除时区，请运行：

df.days = df.days.dt.tz_localize(None)

结果是：

        days
0 2019-06-05
1 2019-07-12
2 2019-07-24
3 2019-07-25
4 2019-07-26
5 2019-08-02
6 2019-08-13
7 2019-08-20
8 2019-09-20
9 2019-10-01

---

要删除时区，请运行：

df.days = df.days.dt.tz_localize(None)

结果是：

        days
0 2019-06-05
1 2019-07-12
2 2019-07-24
3 2019-07-25
4 2019-07-26
5 2019-08-02
6 2019-08-13
7 2019-08-20
8 2019-09-20
9 2019-10-01

一种方法是：

import pandas as pd
df = pd.DataFrame(index=pd.DatetimeIndex(['2019-06-05 00:00:00+00:00', '2019-07-12 00:00:00+00:00',
               '2019-07-24 00:00:00+00:00', '2019-07-25 00:00:00+00:00',
               '2019-07-26 00:00:00+00:00', '2019-08-02 00:00:00+00:00',
               '2019-08-13 00:00:00+00:00', '2019-08-20 00:00:00+00:00',
               '2019-09-20 00:00:00+00:00', '2019-10-01 00:00:00+00:00'],
              dtype='datetime64[ns, UTC]', name='Date', freq=None), data={'some_values':range(0,10)})

df['new_col'] = df.index.astype(str).str.split().str[0]

# Out[102]: 
# Date
# 2019-06-05 00:00:00+00:00    2019-06-05
# 2019-07-12 00:00:00+00:00    2019-07-12
# 2019-07-24 00:00:00+00:00    2019-07-24
# 2019-07-25 00:00:00+00:00    2019-07-25
# 2019-07-26 00:00:00+00:00    2019-07-26
# 2019-08-02 00:00:00+00:00    2019-08-02
# 2019-08-13 00:00:00+00:00    2019-08-13
# 2019-08-20 00:00:00+00:00    2019-08-20
# 2019-09-20 00:00:00+00:00    2019-09-20
# 2019-10-01 00:00:00+00:00    2019-10-01
# Name: new_col, dtype: object

一种方法是：

import pandas as pd
df = pd.DataFrame(index=pd.DatetimeIndex(['2019-06-05 00:00:00+00:00', '2019-07-12 00:00:00+00:00',
               '2019-07-24 00:00:00+00:00', '2019-07-25 00:00:00+00:00',
               '2019-07-26 00:00:00+00:00', '2019-08-02 00:00:00+00:00',
               '2019-08-13 00:00:00+00:00', '2019-08-20 00:00:00+00:00',
               '2019-09-20 00:00:00+00:00', '2019-10-01 00:00:00+00:00'],
              dtype='datetime64[ns, UTC]', name='Date', freq=None), data={'some_values':range(0,10)})

df['new_col'] = df.index.astype(str).str.split().str[0]

# Out[102]: 
# Date
# 2019-06-05 00:00:00+00:00    2019-06-05
# 2019-07-12 00:00:00+00:00    2019-07-12
# 2019-07-24 00:00:00+00:00    2019-07-24
# 2019-07-25 00:00:00+00:00    2019-07-25
# 2019-07-26 00:00:00+00:00    2019-07-26
# 2019-08-02 00:00:00+00:00    2019-08-02
# 2019-08-13 00:00:00+00:00    2019-08-13
# 2019-08-20 00:00:00+00:00    2019-08-20
# 2019-09-20 00:00:00+00:00    2019-09-20
# 2019-10-01 00:00:00+00:00    2019-10-01
# Name: new_col, dtype: object

---

代码可以工作，但仍然会留下

00:00:00+00:00

您是否在执行其他操作之前先放置了我的代码行？为了清楚起见，您必须在开头有这一行：

data\u To\u keep.index=data\u To\u keep.index.strftime（“%Y-%m-%d”）

代码可以工作，但仍然保留

00:00:00+00:00

您在做其他事情之前放好我的代码行了吗？为了清楚起见，您必须在开头有一行：

data\u To\u keep.index=data\u To\u keep.index.strftime（“%Y-%m-%d”）