新答案

將文本轉(zhuǎn)換為T(mén)imedeltadf['Origin Time(Local)'] = pd.to_timedelta(df['Origin Time(Local)'])

df['Seconds'] = df['Origin Time(Local)'].dt.total_seconds()

舊答案

考慮數(shù)據(jù)幀dfdf = pd.DataFrame(dict(Date=pd.date_range('2017-03-01', '2017-03-02', freq='2H')))

Date

0 2017-03-01 00:00:00

1 2017-03-01 02:00:00

2 2017-03-01 04:00:00

3 2017-03-01 06:00:00

4 2017-03-01 08:00:00

5 2017-03-01 10:00:00

6 2017-03-01 12:00:00

7 2017-03-01 14:00:00

8 2017-03-01 16:00:00

9 2017-03-01 18:00:00

10 2017-03-01 20:00:00

11 2017-03-01 22:00:00

12 2017-03-02 00:00:00

從時(shí)間戳中減去最近一天并使用total_seconds。total_seconds是Timedelta的屬性。通過(guò)計(jì)算兩個(gè)Timestamps序列之間的差異，我們得到一個(gè)Timedeltas序列。(df.Date - df.Date.dt.floor('D')).dt.total_seconds()

# equivalent to

# (df.Date - pd.to_datetime(df.Date.dt.date)).dt.total_seconds()

0 0.0

1 7200.0

2 14400.0

3 21600.0

4 28800.0

5 36000.0

6 43200.0

7 50400.0

8 57600.0

9 64800.0

10 72000.0

11 79200.0

12 0.0

Name: Date, dtype: float64

把它放到一個(gè)新的列中df.assign(seconds=(df.Date - df.Date.dt.floor('D')).dt.total_seconds())

Date seconds

0 2017-03-01 00:00:00 0.0

1 2017-03-01 02:00:00 7200.0

2 2017-03-01 04:00:00 14400.0

3 2017-03-01 06:00:00 21600.0

4 2017-03-01 08:00:00 28800.0

5 2017-03-01 10:00:00 36000.0

6 2017-03-01 12:00:00 43200.0

7 2017-03-01 14:00:00 50400.0

8 2017-03-01 16:00:00 57600.0

9 2017-03-01 18:00:00 64800.0

10 2017-03-01 20:00:00 72000.0

11 2017-03-01 22:00:00 79200.0

12 2017-03-02 00:00:00 0.0

總結(jié)

以上是生活随笔為你收集整理的python秒数变日期_将pandas日期列转换为已用秒数的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。