将pandas DateTimeIndex转换为Unix时间戳？

Question

将 pandas 的 DateTimeIndex 转换成 Unix 时间的标准方法是什么？这可能不是正确的做法：

[time.mktime(t.timetuple()) for t in my_data_frame.index.to_pydatetime()]

Answer 1

其他回答的总结：

df['<time_col>'].astype(np.int64) // 10**9

如果你想保留毫秒，可以用 10**6 来除一下。

Answer 2

注意：时间戳就是Unix时间戳，只不过它有纳秒的精度（所以要把它除以10的9次方）：

[t.value // 10 ** 9 for t in tsframe.index]

举个例子：

In [1]: t = pd.Timestamp('2000-02-11 00:00:00')

In [2]: t
Out[2]: <Timestamp: 2000-02-11 00:00:00>

In [3]: t.value
Out[3]: 950227200000000000L

In [4]: time.mktime(t.timetuple())
Out[4]: 950227200.0

正如@root所提到的，直接提取值的数组会更快：

tsframe.index.astype(np.int64) // 10 ** 9

Answer 3

因为 DatetimeIndex 在内部其实是 ndarray，所以你可以直接进行转换，而不需要使用列表推导式（这样会更快）。

In [1]: import numpy as np

In [2]: import pandas as pd

In [3]: from datetime import datetime

In [4]: dates = [datetime(2012, 5, 1), datetime(2012, 5, 2), datetime(2012, 5, 3)]
   ...: index = pd.DatetimeIndex(dates)
   ...: 
In [5]: index.astype(np.int64)
Out[5]: array([1335830400000000000, 1335916800000000000, 1336003200000000000], 
        dtype=int64)

In [6]: index.astype(np.int64) // 10**9
Out[6]: array([1335830400, 1335916800, 1336003200], dtype=int64)

%timeit [t.value // 10 ** 9 for t in index]
10000 loops, best of 3: 119 us per loop

%timeit index.astype(np.int64) // 10**9
100000 loops, best of 3: 18.4 us per loop