Python 将熊猫的年和日转换为日期时间索引
我有一个数据帧:Python 将熊猫的年和日转换为日期时间索引,python,pandas,Python,Pandas,我有一个数据帧: year doy 2000 49 2000 65 2000 81 2001 97 2001 113 2001 129 2001 145 2001 161 我想为这个数据帧创建一个日期时间索引。以下是我正在做的: df.index = pandas.DatetimeIndex(df['doy'].apply(lambda x: date(2000, 1, 1)+ relativedelta(
year doy
2000 49
2000 65
2000 81
2001 97
2001 113
2001 129
2001 145
2001 161
我想为这个数据帧创建一个日期时间索引。以下是我正在做的:
df.index = pandas.DatetimeIndex(df['doy'].apply(lambda x: date(2000, 1, 1)+ relativedelta(days=int(x)-1)))
但是,这将创建一个日期时间索引,该索引仅使用2000作为年份。如何解决此问题?您可以使用查找所需日期:
In [97]: (np.asarray(df['year'], dtype='datetime64[Y]')-1970)+(np.asarray(df['doy'], dtype='timedelta64[D]')-1)
Out[97]:
array(['2000-02-18', '2000-03-05', '2000-03-21', '2001-04-07',
'2001-04-23', '2001-05-09', '2001-05-25', '2001-06-10'], dtype='datetime64[D]')
由于根据日期的不同部分(例如年、月、日、周、小时等)组合日期是一个常见的问题,因此这里提供了一个实用函数,使其更容易:
def compose_date(years, months=1, days=1, weeks=None, hours=None, minutes=None,
seconds=None, milliseconds=None, microseconds=None, nanoseconds=None):
years = np.asarray(years) - 1970
months = np.asarray(months) - 1
days = np.asarray(days) - 1
types = ('<M8[Y]', '<m8[M]', '<m8[D]', '<m8[W]', '<m8[h]',
'<m8[m]', '<m8[s]', '<m8[ms]', '<m8[us]', '<m8[ns]')
vals = (years, months, days, weeks, hours, minutes, seconds,
milliseconds, microseconds, nanoseconds)
return sum(np.asarray(v, dtype=t) for t, v in zip(types, vals)
if v is not None)
df = pd.DataFrame({'doy': [49, 65, 81, 97, 113, 129, 145, 161],
'year': [2000, 2000, 2000, 2001, 2001, 2001, 2001, 2001]})
df.index = compose_date(df['year'], days=df['doy'])
您可以使用日期说明符
%j
提取一年中的日期。因此,合并这两列,转换年份,并转换为datetime
pd.to_datetime(df['year'] * 1000 + df['doy'], format='%Y%j')
返回
0 2000-02-18
1 2000-03-05
2 2000-03-21
3 2001-04-07
4 2001-04-23
5 2001-05-09
6 2001-05-25
7 2001-06-10
dtype: datetime64[ns]
谢谢@unutbu!1970年有什么特别的地方吗?我可以使用1900或2000吗?
1970-01-01 00:00:00 UTC
。由于np.array([0],dtype='datetime64[Y]')
返回array(['1970',dtype='datetime64[Y]')
,我们必须减去1970。在这个解决方案中如何包含小时?@AdamErickson。。。这个网站对于python日期时间格式说明符非常有用。你发现了吗,@AdamErickson?
0 2000-02-18
1 2000-03-05
2 2000-03-21
3 2001-04-07
4 2001-04-23
5 2001-05-09
6 2001-05-25
7 2001-06-10
dtype: datetime64[ns]