Python 转换日期时间列

我不知道如何使用以下格式转换我列“datetime”中的数据：

2020-01-01T00:00:00.000+01:00

关于：

Jan-2020

我试过这个：

works_data["datetime"] = pd.to_datetime(works_data["datetime"], utc=True).dt.strftime('%b-%Y')

但是不起作用。。。它以该格式返回日期，但少于一个月。 例如，对于

2020-01-01T00:00:00.000+01:00

返回

2019年12月

。。。我不知道为什么

有人能帮我解决这个问题吗

编辑：

正在工作的实际代码

import requests
import pandas as pd
import json
from pandas.io.json import json_normalize
import datetime
import time

url = "https://apidatos.ree.es/es/datos/generacion/estructura-generacion?start_date=2020-01-01T00:00&end_date=2020-12-31T22:00&time_trunc=month"


response = requests.get(url)
data = response.json()
df = pd.DataFrame(data['included'])


works_data = pd.json_normalize(data=df['attributes'], record_path='values', 
                            meta=['title']) 

如果我打印works_数据，它会返回：

value   percentage  datetime    title
0   3.726053e+06    0.163889    2020-01-01T00:00:00.000+01:00   Hidráulica
1   2.837911e+06    0.139561    2020-02-01T00:00:00.000+01:00   Hidráulica
2   3.112718e+06    0.148076    2020-03-01T00:00:00.000+01:00   Hidráulica
3   2.861429e+06    0.163464    2020-04-01T00:00:00.000+02:00   Hidráulica
4   2.858050e+06    0.159065    2020-05-01T00:00:00.000+02:00   Hidráulica
... ... ... ... ...
107 3.504687e+04    0.002002    2020-04-01T00:00:00.000+02:00   Residuos renovables
108 3.665093e+04    0.002040    2020-05-01T00:00:00.000+02:00   Residuos renovables
109 4.231355e+04    0.002197    2020-06-01T00:00:00.000+02:00   Residuos renovables
110 4.313452e+04    0.001803    2020-07-01T00:00:00.000+02:00   Residuos renovables
111 3.159610e+04    0.003548    2020-08-01T00:00:00.000+02:00   Residuos renovables

---

你知道如何继续转换datetime列吗？

正如Quang Hoang已经提到的，你正在将UTC+1转换为UTC，这是一小时前的事。因此，

pd.to_datetime（“2020-01-01T00:00:00.000+01:00”，utc=True）

解析为

时间戳（'2019-12-31 23:00:00+0000'，tz='utc'）

似乎您不想将日期转换为UTC，因此不要将相应的参数设置为

True

转换字符串 或者，仅使用

datetime

模块：

from datetime import datetime as dt
dt.fromisoformat("2020-01-01T00:00:00.000+01:00").strftime("%b-%Y")
>>> 'Jan-2020'

转换系列 如果要转换整个datetimes列，请使用列表理解或Pandas

Series.dt.strftime

函数

import pandas as pd
dates = pd.Series(["2020-03-01T00:00:00.000+01:00", "2020-01-01T00:00:00.000+01:00", "2020-06-01T00:00:00.000+01:00"])
pd.to_datetime(dates).dt.strftime("%b-%Y")

>>> 0    Mar-2020
>>> 1    Jan-2020
>>> 2    Jun-2020
>>> dtype: object

当序列中存在不同的时区偏移时，上述方法将失败。您将收到一个

ValueError:Tz-aware-datetime.datetime无法转换为datetime64，除非utc=True

。在这种情况下，您可以使用

apply

删除每个datetime的时区信息，或者使用如下列表理解

df["column"] = [pd.to_datetime(date).strftime("%b-%Y") for date in dates]

---

对于固定UTC偏移量：将日期/时间列本地化为

None

在

strftime

之前：

pd.to_datetime("2020-01-01T00:00:00.000+01:00").tz_localize(None).strftime('%b-%Y')
Out[47]: 'Jan-2020'

另请参见以获取有关背景中发生的情况的更多信息

---

由于您的输入似乎包含混合UTC偏移量，因此通过

到_datetime

的转换将产生一系列

datetime.datetime

对象（dtype对象，而不是dtype datetime64）。您需要将

tzinfo

属性替换为

None

：

pd.to_datetime(works_data["datetime"]).apply(lambda t: t.replace(tzinfo=None)).dt.strftime('%b-%Y')

---

考虑到时区是

+1

，也就是说，

+01:00

中的

2020-01-01 00:00:00

时区在格林尼治标准时间仍然在

2019

中，我觉得这听起来很合理。所以。。我怎样才能修复它？嗨@sabacherli谢谢你的回答！！如果我没有将utc设置为True，则会出现此错误…如果我使用您的第一个选项/

pd.to\u datetime（works\u data[“datetime”]）。strftime（“%b-%Y”）

我有此错误“对象”系列没有属性“strftime”有关详细信息，我的“datetime”列是Dtype=objectI，我也有同样的问题….

Tz-aware-datetime.datetime无法转换为datetime64，除非utc=True

我刚刚发布了我的所有代码，请检查一下好吗？谢谢@MrFruppes我已经尝试过了，但返回了这个

索引不是有效的DatetimeIndex或PeriodIndex

@rogarui:hm，似乎您想将其应用于df的索引，但它以前没有被强制转换为\u datetime？我不知道发生了什么…我创建了我的df，当我尝试转换该列时，返回了太多错误。。。你喜欢我发布全部代码吗？我只是发布所有代码，你能检查一下吗@MrFuppes@rogarui-您的数据包含混合UTC偏移量

pd.to_datetime

无法推断相应的

pytz.fixed_偏移量，因此。。。是时候做一个
lambda
：）（见我的答案编辑）
pd.to_datetime(works_data["datetime"]).apply(lambda t: t.replace(tzinfo=None)).dt.strftime('%b-%Y')