Pandas将datetime64列转换为datetime类型

在本文中，我们将介绍如何使用Pandas将datetime64类型的数据列转换为datetime类型的数据列。datetime64类型的数据是Pandas中常用的一种时间格式，通常用于表示时间戳。但是有时候我们需要将其转换为datetime类型，以便于进行时间序列分析和可视化等操作。

阅读更多：Pandas 教程

datetime64类型的数据列

在Pandas中，我们可以使用以下代码来创建一个datetime64类型的数据列。

import pandas as pd
import numpy as np

df = pd.DataFrame({'date': pd.date_range(start='2022-01-01', periods=5, freq='D')})
print(df['date'])

输出结果：

0   2022-01-01
1   2022-01-02
2   2022-01-03
3   2022-01-04
4   2022-01-05
Name: date, dtype: datetime64[ns]

在上面的代码中，我们使用pd.date_range()函数生成了一个包含5个日期的时间序列。这个时间序列中的数据类型是datetime64[ns]，表示精确到纳秒的时间戳。我们可以看到，该数据列的dtype属性值为”datetime64[ns]”。

将datetime64类型的数据列转换为datetime类型

如果我们需要将datetime64类型的数据列转换为datetime类型，我们可以使用to_pydatetime()函数将其转换为Python的datetime类型，然后再将其赋值给一个新的数据列。以下是示例代码：

df['datetime'] = df['date'].apply(lambda x: x.to_pydatetime())
print(df['datetime'])

输出结果：

0   2022-01-01
1   2022-01-02
2   2022-01-03
3   2022-01-04
4   2022-01-05
Name: datetime, dtype: datetime64[ns]

在上面的代码中，我们新建了一个数据列”datetime”，并使用apply()函数将”date”数据列中的每个元素转换为Python的datetime类型。接着，我们将转换后的datetime类型数据赋值给”datetime”数据列。这时，”datetime”数据列中的数据类型就变成了datetime64[ns]。

转换后的数据列的dtype

虽然我们已经将datetime64类型的数据列转换为了datetime类型的数据列，但是我们发现新的数据列的dtype属性值还是”datetime64[ns]”。这是为什么呢？

实际上，虽然这两种类型的数据看起来很相似，但是它们的内部存储方式却不同。datetime64类型的数据是以纳秒为单位的时间戳，而datetime类型的数据则是以秒为单位的时间戳，并且还包含了时区信息等更加详细的时间信息。

因此，虽然我们已经将datetime64类型的数据列转换为了datetime类型的数据列，并且它们的外观和功能也很相似，但是它们的数据类型仍然是不同的。

转换后的数据列的可视化

转换后的datetime类型的数据列可以直接用于时间序列的可视化。以下是示例代码：

import matplotlib.pyplot as plt

plt.plot(df['datetime'], np.random.randn(5))
plt.show()

在上面的代码中，我们使用Matplotlib库绘制了一个折线图，并以新的datetime类型的数据列”datetime”作为x轴。可以看到，通过将datetime64类型的数据列转换为datetime类型的数据列，我们可以更方便地进行时间序列分析和可视化。

总结

本文介绍了如何使用Pandas将datetime64类型的数据列转换为datetime类型的数据列。虽然这两种类型的数据看起来很相似，但是它们的内部存储方式不同，我们需要将其转换为datetime类型才能更好地进行时间序列分析和可视化操作。通过使用apply()函数以及to_pydatetime()函数，我们可以轻松地将datetime64类型的数据列转换为datetime类型的数据列。