Pandas 默认时间格式转换为 Unix 时间戳

Pandas读取csv文件时，时间会自动显示为‘YYYY-MM-DD HH:MM:SS’的格式，那么如果想要将这个时间转换为 Unix时间戳 呢？

先科普一下，什么是 Unix时间戳 呢？

Unix时间戳 是一种时间表示方式，是一个整型值，代表从格林威治时间1970年01月01日00时00分00秒起至现在经过的总秒数。

举个栗子：

一个值为 1492751843 的Unix时间戳 ==>

把它转换为 北京时间为 2017/4/21 13:17:23

实际上，Pandas中时间用 pandas.datetime() 转换为 pandas.tslib.Timestamp（时间戳） 格式之后，已经变成了整型存储，即 Unix时间戳形式 。

如果我们需要这个时间戳的整型格式，可以用 time[0].value 这个属性把它提取出来。

样例

>>> import pandas as pd     # 导入pandas库

>>> data = pd.read_csv('airquality.csv')        # 读入数据文件

>>> data.time = pd.to_datetime(data.time)   # 将时间那一列从str转换为时间戳格式

>>> type(data.time[0])      # 查看转换之后的格式

<class 'pandas.tslib.Timestamp'>

>>> data.time[0]            # 查看第一条数据，默认显示为‘YYYY-MM-DD HH:MM:SS’格式

Timestamp('2014-05-01 00:00:00')

>>> data.time[0].value  # 查看第一条数据的Unix时间戳格式

1398902400000000000L

>>> data.time[0].value//10**9   # 转换为秒级

1398902400L

>>> t1 = [t.value for t in data.time]   # 提取整列（纳秒级，即1s = 1,000,000,000 ns）

>>> t1[:3]      # 显示前三条数据

[1398902400000000000L, 1398906000000000000L, 1398909600000000000L]

>>> t2 = [t.value//10**9 for t in data.time]    # 提取整列（秒级）

>>> t2[:3]      # 显示前三条数据

[1398902400L, 1398906000L, 1398909600L]

>>> t1 = pd.DatetimeIndex(t1)       # 从list列表转换为pandas的DatetimeIndex格式

>>> t1[:3]      # 显示前三条数据

DatetimeIndex(['2014-05-01 00:00:00', '2014-05-01 01:00:00',

               '2014-05-01 02:00:00'],

              dtype='datetime64[ns]', freq=None)

>>> type(t1[0])     # 每条数据为Timestamp格式

<class 'pandas.tslib.Timestamp'>

>>> t1[0].value

1398902400000000000L