ValueError: kann DatetimeIndex nicht zu dtype datetime64 [us]

Question

Ich versuche, eine PostgreSQL-Tabelle von 30-Minuten-Daten für die S & P 500 ETF (spy30new, zum Testen frisch eingefügten Daten) aus einer Tabelle von mehreren zu erstellen Aktien mit 15-Minuten-Daten (alle15). all15 hat einen Index für 'dt' (Zeitstempel) und 'instr' (Aktiensymbol). Ich möchte, dass spion30new einen Index für "dt" hat.

import numpy as np 
import pandas as pd 
from datetime import datetime, date, time, timedelta 
from dateutil import parser 
from sqlalchemy import create_engine 

# Query all15 
engine = create_engine('postgresql://user:passwd@localhost:5432/stocks') 
new15Df = (pd.read_sql_query("SELECT dt, o, h, l, c, v FROM all15 WHERE (instr = 'SPY') AND (date(dt) BETWEEN '2016-06-27' AND '2016-07-15');", engine)).sort_values('dt') 
# Correct for Time Zone. 
new15Df['dt'] = (new15Df['dt'].copy()).apply(lambda d: d + timedelta(hours=-4)) 

# spy0030Df contains the 15-minute data at 00 & 30 minute time points 
# spy1545Df contains the 15-minute data at 15 & 45 minute time points 
spy0030Df = (new15Df[new15Df['dt'].apply(lambda d: d.minute % 30) == 0]).reset_index(drop=True) 
spy1545Df = (new15Df[new15Df['dt'].apply(lambda d: d.minute % 30) == 15]).reset_index(drop=True) 

high = pd.concat([spy1545Df['h'], spy0030Df['h']], axis=1).max(axis=1) 
low = pd.concat([spy1545Df['l'], spy0030Df['l']], axis=1).min(axis=1) 
volume = spy1545Df['v'] + spy0030Df['v'] 

# spy30Df assembled and pushed to PostgreSQL as table spy30new 
spy30Df = pd.concat([spy0030Df['dt'], spy1545Df['o'], high, low, spy0030Df['c'], volume], ignore_index = True, axis=1) 
spy30Df.columns = ['d', 'o', 'h', 'l', 'c', 'v'] 
spy30Df.set_index(['dt'], inplace=True) 
spy30Df.to_sql('spy30new', engine, if_exists='append', index_label='dt') 

Dies gibt den Fehler „Valueerror: Kann nicht DatetimeIndex werfen datetime64 dtype [us]“
Was bisher habe ich versucht habe (ich habe erfolgreich geschoben CSV-Dateien PG Pandas mit Aber hier ist die Quelle ist. eine PG-Datenbank):

1. einen Index für 'dt' Nicht Platzierung

   spy30Df.set_index ([ 'dt'], Inplace = True) # diese Zeile entfernen spy30Df.to_sql ('spy30new', Motor, if_exists = 'append') # löschen index_label Option

2. 'dt' vom Typ Konvertieren pandas.tslib.Timestamp zu datetime.datetime mit to_pydatetime() (bei psycopg2 kann mit python dt arbeiten, aber nicht Zeitstempel Pandas)

   u = (spy0030Df['dt']).tolist() 
   timesAsPyDt = np.asarray(map((lambda d: d.to_pydatetime()), u)) 
   spy30Df = pd.concat([spy1545Df['o'], high, low, spy0030Df['c'], volume], ignore_index = True, axis=1) 
   newArray = np.c_[timesAsPyDt, spy30Df.values] 
   colNames = ['dt', 'o', 'h', 'l', 'c', 'v'] 
   newDf = pd.DataFrame(newArray, columns=colNames) 
   newDf.set_index(['dt'], inplace=True) 
   newDf.to_sql('spy30new', engine, if_exists='append', index_label='dt') 
   

3. datetime.utcfromtimestamp()

   timesAsDt = (spy0030Df['dt']).apply(lambda d: datetime.utcfromtimestamp(d.tolist()/1e9)) 
   

Verwendung
4. Verwendung pd.to_datetime()

   timesAsDt = pd.to_datetime(spy0030Df['dt']) 
   

Answer 1

Verwendung pd.to_datetime() auf jedem Element gearbeitet. Option 4, die nicht funktioniert, wendet pd.to_datetime() auf die gesamte Serie an. Vielleicht versteht der Postgres-Treiber python datetime, aber nicht datetime64. Option 4 erzeugte die korrekte Ausgabe, aber ich bekam ValueError (siehe Titel), als ich den DF an Postgres

timesAsPyDt = (spy0030Df['dt']).apply(lambda d: pd.to_datetime(str(d))) 

sandte