python - convert - pandas timestamp to datetime

Convierta la serie de pandas a DateTime en un DataFrame

Question

Tengo un Panda DataFrame como abajo

 ReviewID ID Type TimeReviewed
205 76032930 51936827 ReportID 2015-01-15 00:05:27.513000
232 76032930 51936854 ReportID 2015-01-15 00:06:46.703000
233 76032930 51936855 ReportID 2015-01-15 00:06:56.707000
413 76032930 51937035 ReportID 2015-01-15 00:14:24.957000
565 76032930 51937188 ReportID 2015-01-15 00:23:07.220000
>>> type(df)
<class ''pandas.core.frame.DataFrame''>

TimeReviewed es un tipo de serie

>>> type(df.TimeReviewed)
<class ''pandas.core.series.Series''>

Lo he intentado a continuación, pero todavía no cambia el tipo de serie

import pandas as pd
review = pd.to_datetime(pd.Series(df.TimeReviewed))
>>> type(review)
<class ''pandas.core.series.Series''>

¿Cómo puedo cambiar el tipo df.TimeReviewed to DateTime y sacar año, mes, día, hora, min, segundo por separado? Soy un poco nuevo en Python, gracias por tu ayuda.

Answer 1

Algunos guiones útiles:

hour = df[''assess_time''].dt.hour.values[0]

Answer 2

No se puede: DataFrame columnas de DataFrame son Series , por definición. Dicho esto, si dtype el tipo de dtype (el tipo de todos los elementos) similar a la fecha y hora, puede acceder a las cantidades que desea a través del .dt ( documentos ):

>>> df["TimeReviewed"] = pd.to_datetime(df["TimeReviewed"])
>>> df["TimeReviewed"]
205 76032930 2015-01-24 00:05:27.513000
232 76032930 2015-01-24 00:06:46.703000
233 76032930 2015-01-24 00:06:56.707000
413 76032930 2015-01-24 00:14:24.957000
565 76032930 2015-01-24 00:23:07.220000
Name: TimeReviewed, dtype: datetime64[ns]
>>> df["TimeReviewed"].dt
<pandas.tseries.common.DatetimeProperties object at 0xb10da60c>
>>> df["TimeReviewed"].dt.year
205 76032930 2015
232 76032930 2015
233 76032930 2015
413 76032930 2015
565 76032930 2015
dtype: int64
>>> df["TimeReviewed"].dt.month
205 76032930 1
232 76032930 1
233 76032930 1
413 76032930 1
565 76032930 1
dtype: int64
>>> df["TimeReviewed"].dt.minute
205 76032930 5
232 76032930 6
233 76032930 6
413 76032930 14
565 76032930 23
dtype: int64

Si está atrapado usando una versión anterior de pandas , siempre puede acceder a los diversos elementos manualmente (nuevamente, después de convertirlo en una serie con fecha y hora). Será más lento, pero a veces eso no es un problema:

>>> df["TimeReviewed"].apply(lambda x: x.year)
205 76032930 2015
232 76032930 2015
233 76032930 2015
413 76032930 2015
565 76032930 2015
Name: TimeReviewed, dtype: int64