将yyyy mm dd datetimes列转换为Python中的linux时间纪元

在python 3.6.0和pandas 0.20.0中

有一个日期列yyy-mm-dd

date
2017-08-16
2017-08-17
2017-08-18

这里也有同样的问题

但可悲的是，post中的所有解决方案都不起作用

df['date']=df['date'].astype('int64')//1e9

ValueError: invalid literal for int() with base 10: '2017-08-16'


df['date']=(df['date'] - dt.datetime(1970,1,1)).dt.total_seconds()

NameError: name 'dt' is not defined

---

有什么想法吗？谢谢。

尝试使用

pd.DateTimeIndex

并将1000乘以几毫秒（如果需要，可以在几秒钟内忽略乘法）

---

您可以将其转换为

datetime

并使用

timestamp（）

像这样的

from datetime import datetime

s = '2017-08-16'
epoch = datetime.strptime(s, "%Y-%m-%d").timestamp()
print(epoch)
# Output -- 1502821800.0

试试这个：

from datetime import datetime as dt

# String for the date
s = '2017-08-16'

#Convert string to datetime
s_dt = dt.strptime(s, '%Y-%m-%d')

#Initialize epoch
epoch = dt.utcfromtimestamp(0)

#Get your difference from epoch in ms
linux_time = (s_dt - dt.utcfromtimestamp(0)).total_seconds()*1000

#Your output
linux_time
1502841600000.0

这是单个日期对象的代码。您可以创建一个函数并使用lambda将其应用于pandas列

---

希望这能有所帮助。

错误说明：您的列是字符串，您没有正确导入。这就是为什么制作一个最小的可复制示例很重要的原因。第二个错误可能是因为您忘记导入正确的模块（即

将datetime导入为dt

，或者如果您有

导入datetime

，则使用datetime重命名dt）

from datetime import datetime as dt

# String for the date
s = '2017-08-16'

#Convert string to datetime
s_dt = dt.strptime(s, '%Y-%m-%d')

#Initialize epoch
epoch = dt.utcfromtimestamp(0)

#Get your difference from epoch in ms
linux_time = (s_dt - dt.utcfromtimestamp(0)).total_seconds()*1000

#Your output
linux_time
1502841600000.0