time_col_str = pd.to_datetime(time_col, format='%Y-%m-%d').dt.strftime('%Y-%m-%d %H:%M:%S'),将time_col_str保存为数组
时间: 2024-01-23 16:21:22 浏览: 28
可以使用 Pandas 的 `to_numpy()` 函数将 Pandas Series 对象转换为 NumPy 数组。例如,如果 `time_col_str` 是一个 Pandas Series 对象,可以使用以下代码将其转换为 NumPy 数组:
```python
import pandas as pd
import numpy as np
time_col_str = pd.to_datetime(time_col, format='%Y-%m-%d').dt.strftime('%Y-%m-%d %H:%M:%S')
time_col_arr = time_col_str.to_numpy()
```
其中,`to_numpy()` 函数将 Pandas Series 对象转换为 NumPy 数组。转换后的数组 `time_col_arr` 可以进行保存或其他操作。
相关问题
pd.to_datetime(date, format='%Y-%m')
这是一个用于将字符串格式的日期转换为 Pandas 中的日期格式的函数。其中,参数 date 是一个字符串类型的日期,format 参数是指定日期格式的字符串。例如,'%Y-%m' 表示日期格式为年份-月份,例如 '2022-09'。函数将字符串格式的日期转换为 Pandas 中的日期格式,以便进行日期计算和分析。
for i in time_col: order_May[i]=pd.to_datetime(order_May[i]) order_May[i]=order_May[i].strftime("%Y-%m-%d %H:%M:%S")被返回 'Series' object has no attribute 'strftime'
这个错误可能是因为你尝试对整个Series对象调用strftime函数,而不是Series中的每个元素(即日期时间对象)调用该函数。
你可以使用apply函数来对Series中的每个元素调用strftime函数,例如:
```
for i in time_col:
order_May[i] = pd.to_datetime(order_May[i])
order_May[i] = order_May[i].apply(lambda x: x.strftime("%Y-%m-%d %H:%M:%S"))
```
这将使用lambda函数将每个日期时间对象转换为格式化后的字符串,并将其赋值回原始Series对象。注意,这里的lambda函数将每个日期时间对象x作为输入,并将其转换为"%Y-%m-%d %H:%M:%S"格式的字符串输出。