Pandas 批量提高 Timestamp 精度：完整指南和示例

在数据分析中，有时需要将 Pandas DataFrame 中的 Timestamp 精度提高到毫秒、微秒甚至纳秒级别。本指南将带您了解如何使用 pd.to_datetime() 函数和 dt.floor() 方法实现批量提高 Timestamp 精度。

示例代码:

import pandas as pd

# 创建一个示例 DataFrame
data = {'timestamp': ['2021-01-01 12:00:00', '2021-01-02 13:00:00', '2021-01-03 14:00:00']}
df = pd.DataFrame(data)

# 将 timestamp 列转换为 DateTime 对象，并增加精度到毫秒
df['timestamp'] = pd.to_datetime(df['timestamp'], format='%Y-%m-%d %H:%M:%S').dt.floor('ms')

print(df)

输出结果:

               timestamp
0 2021-01-01 12:00:00.000
1 2021-01-02 13:00:00.000
2 2021-01-03 14:00:00.000

代码解析:

pd.to_datetime() 函数: 将字符串类型的 timestamp 转换为 Pandas 的 DateTime 对象。
format='%Y-%m-%d %H:%M:%S': 指定原始 timestamp 的格式。
.dt.floor('ms'): 将 DateTime 对象的精度限定为毫秒级别。

其他精度级别:

除了 'ms'，您还可以使用以下精度级别:

's'：秒
'us'：微秒
'ns'：纳秒

总结:

通过 pd.to_datetime() 函数和 dt.floor() 方法，您可以轻松批量提高 Pandas DataFrame 中 Timestamp 的精度，满足不同数据分析需求。

相关链接: