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

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：

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

python寻找datafrme中为时间类型的列，时间类型的数据是字符型的‘YY-mm-dd’，时间类型的列至多有一行，有则按时间升序排序，没有则不做处理

在Python中，如果你想要查找DataFrame中所有的时间类型列，尤其是那些以字符形式表示为 'YY-mm-dd' 格式的日期，你可以使用Pandas库的`dt`属性以及条件检查。以下是步骤：

1. 首先，加载需要处理的DataFrame数据。

import pandas as pd

# 假设df是你的DataFrame
df = pd.read_csv('your_data.csv')  # 替换为实际文件路径

2. 使用`pd.to_datetime()`尝试将每一列转换成datetime类型，如果能成功，则该列很可能是日期类型。

date_columns = df.columns[df.astype(str).apply(lambda x: pd.to_datetime(x, format='%y-%m-%d').notnull()).all()]

这里我们对每列应用了`astype(str)`，然后通过`pd.to_datetime()`尝试解析，如果所有元素都能解析成功，说明这列包含日期信息。

3. 检查是否有时间类型的列，如果有，则进一步筛选出唯一的一行，并按时间顺序排序。

if len(date_columns) > 0:
    time_series_col = date_columns[0]  # 如果有多行日期，只取第一条
    df = df.sort_values(time_series_col)
else:
    print("No time-related columns found.")

4. 最后，打印结果或返回处理后的DataFrame。

print(df)