Python 将具有不同时区的datetime转换为特定日期中的日期
属性来存储最近赢得的交易,它以非常奇怪的格式存储信息。数据是具有不同时区的日期时间格式 我收到以下错误:Python 将具有不同时区的datetime转换为特定日期中的日期,python,pandas,Python,Pandas,属性来存储最近赢得的交易,它以非常奇怪的格式存储信息。数据是具有不同时区的日期时间格式 我收到以下错误: 2018-11-16 11:32:51.285000+01:00 2019-02-28 17:13:49.492000+01:00 2018-08-29 09:50:51+02:00 2019-11-16 2019-02-28 2018-08-29 “如果tzaware,则这些值表示unix时间戳,因此我们”和“ValueError:数组必须是同一时区” 当我尝试以
2018-11-16 11:32:51.285000+01:00
2019-02-28 17:13:49.492000+01:00
2018-08-29 09:50:51+02:00
2019-11-16
2019-02-28
2018-08-29
“如果tzaware,则这些值表示unix时间戳,因此我们”和“ValueError:数组必须是同一时区”
当我尝试以下命令之一时:
pd.to\u datetime(df1['properties\uu recent\u deal\u close\u date\u value']
)
及
我想转换如下数据:
2018-11-16 11:32:51.285000+01:00
2019-02-28 17:13:49.492000+01:00
2018-08-29 09:50:51+02:00
2019-11-16
2019-02-28
2018-08-29
对此:
2018-11-16 11:32:51.285000+01:00
2019-02-28 17:13:49.492000+01:00
2018-08-29 09:50:51+02:00
2019-11-16
2019-02-28
2018-08-29
使用:
输出:
Date: 2018-11-16
Date: 2019-02-28
Date: 2018-08-29
谢谢我只需要弄清楚如何遍历所有行。@MatijaŽiberna
对于索引,df.iterrows()中的行:
?对于索引,df1中的行。iterrows():row['properties\uu recent\u deal\u close\u date\uu value']=dparser.parse(row,fuzzy=True)。date()
这是我尝试过的。我收到了以下错误:TypeError:Parser必须是字符串或字符流,而不是序列
Try:对于索引,df1.iterrows()中的行:print(dparser.parse(row['properties\uu recent\u deal\u close\u date\uu value'],fuzzy=True)。date()
这是另一个错误,只需将其转换为字符串:对于索引,df1.iterrows()中的行:print(dparser.parse(str(行['properties\uu recent\u deal\u close\u date\uu value')),fuzzy=True.date())