Python pandas integer JJJJMMTT bis datetime

Question

Entschuldigung im Voraus dafür, aber nach zwei Stunden suchen und versuchen kann ich hier nicht die richtige Antwort bekommen. Ich habe einen Datenrahmen, über pandas io sql.read_frame() bevölkert. Die Spalte, die sich als zu viel für mich erweist, ist dtypeint64. Die Ganzzahlen haben das Format YYYYMMDD. zum Beispiel 20070530 - 30. Mai 2007. Ich habe eine Reihe von Ansätzen ausprobiert, die offensichtlichste ist;

pd.to_datetime(dt['Date']) und pd.to_datetime(str(dt['Date']))

mit mehreren Variationen der Funktionen verschiedene Parameter.

Das Ergebnis war im besten Fall, dass das Datum als Uhrzeit interpretiert wurde. Das Datum ist auf 1970-01-01 - Ergebnis nach oben Beispiel 1970-01-01 00:00:00.020070530

ich verschiedene .map() Funktionen auch in simular Einträge gefunden versucht.

Ich habe festgestellt, dass nach np.date_range() Zeichenfolge Werte des Formats YYYYMMDD interpretieren kann, aber das ist die nächste, die ich zu einer Lösung gekommen bin.

Wenn jemand eine Antwort hat, wäre ich sehr dankbar!

EDIT: Angesichts der Antwort von Ed Chum, ist das Problem wahrscheinlich auf Codierung zurückzuführen. rep() auf einer Teilmenge der Datenrahmen ergibt:

OrdNo LstInvDt \ N0
9 20.070.620 \ n1
11 20070830 \ n2
19 20.070.719 \ n3
21 20.070.719 \ n4
23 20.070.719 \ n5
26 20.070.911 \ n7
29 20.070.918 \ n8
31 0.070.816 \ n9
34 20.070.925 \ n10

Dies ist, wenn LstInvDt dtype int64 ist.

Answer 1

to_datetime akzeptiert einen Format-String:

In [92]: 

t = 20070530 
pd.to_datetime(str(t), format='%Y%m%d') 
Out[92]: 
Timestamp('2007-05-30 00:00:00') 

Beispiel:

In [94]: 

t = 20070530 
df = pd.DataFrame({'date':[t]*10}) 
df 
Out[94]: 
     date 
0 20070530 
1 20070530 
2 20070530 
3 20070530 
4 20070530 
5 20070530 
6 20070530 
7 20070530 
8 20070530 
9 20070530 
In [98]: 

df['DateTime'] = df['date'].apply(lambda x: pd.to_datetime(str(x), format='%Y%m%d')) 
df 
Out[98]: 
     date DateTime 
0 20070530 2007-05-30 
1 20070530 2007-05-30 
2 20070530 2007-05-30 
3 20070530 2007-05-30 
4 20070530 2007-05-30 
5 20070530 2007-05-30 
6 20070530 2007-05-30 
7 20070530 2007-05-30 
8 20070530 2007-05-30 
9 20070530 2007-05-30 
In [99]: 

df.dtypes 
Out[99]: 
date     int64 
DateTime datetime64[ns] 
dtype: object 

EDIT

Eigentlich ist es schneller den Typen Zeichenfolge zu konvertieren und dann die gesamte Serie zu einem konvertieren datetime statt aufrufen gilt für jeden Wert:

In [102]: 

df['DateTime'] = pd.to_datetime(df['date'].astype(str), format='%Y%m%d') 
df 
Out[102]: 
     date DateTime 
0 20070530 2007-05-30 
1 20070530 2007-05-30 
2 20070530 2007-05-30 
3 20070530 2007-05-30 
4 20070530 2007-05-30 
5 20070530 2007-05-30 
6 20070530 2007-05-30 
7 20070530 2007-05-30 
8 20070530 2007-05-30 
9 20070530 2007-05-30 

Timings

In [104]: 

%timeit df['date'].apply(lambda x: pd.to_datetime(str(x), format='%Y%m%d')) 

100 loops, best of 3: 2.55 ms per loop 
In [105]: 

%timeit pd.to_datetime(df['date'].astype(str), format='%Y%m%d') 
1000 loops, best of 3: 396 µs per loop