pandas使用to_datetime转换中为什么会出现1970-01-01 00:00:00.020221220

在使用 Pandas 的 `to_datetime()` 函数将字符串转换为日期时间类型时，如果字符串中包含微秒（microsecond）信息，那么 Pandas 会将微秒信息转换为纳秒（nanosecond）后添加到日期时间类型中。由于微秒和纳秒的数量级不同，所以在转换后的日期时间类型中会出现奇怪的数字。

例如，你提到的日期时间 `1970-01-01 00:00:00.020221220` 中的微秒值为 `20221220`，当转换为纳秒时，它就变成了 `20222120`，因此在日期时间后面出现了 `.020221220` 的后缀。这个后缀表示纳秒，因此可以将其理解为 `1970-01-01 00:00:00` 的基础上再加上 `20222` 纳秒，即 `1970-01-01 00:00:00.000020222`。

如果你不需要微秒或纳秒信息，可以使用 `to_datetime()` 函数的 `format` 参数来指定日期时间字符串的格式，并去掉微秒信息。例如：

import pandas as pd

df = pd.DataFrame({'date': ['2022-01-01 01:23:45.678']})
df['date'] = pd.to_datetime(df['date'], format='%Y-%m-%d %H:%M:%S')
print(df['date'])

这段代码将会输出 `2022-01-01 01:23:45`，而不是带有微秒信息的日期时间类型。

相关问题

为什么使用pandas将excel中的20221220转换成1970-01-01 00:00:00.020221220

在 Pandas 中，日期时间类型的数据是以 Unix 时间戳（Unix timestamp）的形式存储的。Unix 时间戳是从 1970 年 1 月 1 日 00:00:00 UTC 开始的秒数，它是一个整数（或浮点数），可以精确表示从某个时间点到现在的时间差。因此，当你使用 Pandas 的 `to_datetime()` 函数将文本数据转换为日期时间类型时，Pandas 会将这个日期时间解释为 Unix 时间戳，然后将其转换为日期时间类型。

在你的例子中，文本数据 "20221220" 被解释为 Unix 时间戳 1639958400，这个时间戳表示从 1970 年 1 月 1 日 00:00:00 UTC 开始到 2022 年 12 月 20 日 00:00:00 UTC 的时间差。因此，当你使用 Pandas 将其转换为日期时间类型时，得到的结果是 "1970-01-01 00:00:00.020221220"，其中 ".020221220" 表示从 Unix 时间戳开始到指定时间点的纳秒数。

如果你想要得到 "2022-12-20 00:00:00" 这样的日期时间格式，可以使用 Pandas 的 `strftime()` 函数将日期时间格式化为指定的字符串格式。例如：

import pandas as pd

# 创建一个包含文本数据的 DataFrame
df = pd.DataFrame({'date': ['20221220']})

# 将文本数据转换为日期时间类型
df['date'] = pd.to_datetime(df['date'], format='%Y%m%d')

# 将日期时间格式化为指定的字符串格式
df['date_str'] = df['date'].dt.strftime('%Y-%m-%d %H:%M:%S')

# 输出结果
print(df['date_str'])

这样就可以得到一个格式为 "2022-12-20 00:00:00" 的字符串了。

pandas pd.to_datetime转换为datetime

pandas的pd.to_datetime()函数可以将数据转换为datetime格式。这个函数可以接受多种不同类型的输入，包括字符串、numpy的datetime64类型、python的datetime类型等。通过使用这个函数，你可以将数据转换为datetime格式的Pandas DataFrame或Series。

引用提供了一个例子:

import datetime 
import pandas as pd 
import numpy as np 

dti = pd.to_datetime(['1/1/2018', np.datetime64('2018-01-01'), datetime.datetime(2018, 1, 1)]) 

在这个例子里，pd.to_datetime()函数将一个包含不同日期格式的列表转换为datetime格式。结果会返回一个包含转换后的日期的Pandas Index。

引用提供了另一个例子:

import pandas as pd 

data = pd.read_csv('police.csv') 
data['stop_datetime'] = pd.to_datetime(data.stop_date)

在这个例子里，pd.to_datetime()函数被用来将一个csv文件中的日期列转换为datetime格式，并将转换后的结果存储在一个新的列中。

如果你想要将一个DataFrame中的多个列转换为datetime格式，你可以使用类似以下的语法:

pd.to_datetime(df[['year','month','day']])

引用提供了一个例子:

0 2015-02-04 02:00:00 
1 2016-03-05 03:00:00 
dtype: datetime64 

pd.to_datetime(df[['year','month','day']])

在这个例子里，pd.to_datetime()函数被用来将一个DataFrame中的year、month和day列转换为datetime格式。

综上所述，pd.to_datetime()函数是Pandas库中用于将数据转换为datetime格式的一个重要函数。可以根据不同的输入类型进行转换，并且可以应用于整个DataFrame或Series以及特定的列。