data1['weekday'] = data1['day'].apply(lambda x: x - datetime.timedelta(days=x.weekday()))
                    原来是字符串格式，要改为datetime格式from datetime import datetimeimport pandas as pd方法一：df[‘date’].astype(‘datetime64’)tran['date'] = tran['date'].astype('datetime64[ns]')方法二：pd.to_datetimetran['date'] = pd.to_datetime(tran['date']) # date转为时间格式获取当天所在的周一......
tss1 = '2013-10-10 23:40:00'
# 转为时间数组
timeArray = time.strptime(tss1, %Y-%m-%d %H:%M:%S)
print timeArray
# timeArray可以调用tm_year等
print timeArray.tm_year  # 2013
# 转为时间戳
timeStamp = int(time.mktime(time
				
python中使用pd.to_datetime函数从1970开始以纳秒计时的情况
dataframe的时间列操作
将图中的日期用pd.to_datetime转为datetime
yq_df['date'] = pd.to_datetime(yq_df['date'])
使用上面代码之后  时间变成了1970年
解决办法  修改类型即可
我的原始数据类型为int  所以出现了1970的情况
yq_df['date'] = yq_df['date'].astype('str')
yq_df['date']
				
不要用pd.datetime
对于秒级的时间戳：
df.time.apply(lambda x: time.strftime("%Y-%m-%d %H:%M:%S", time.localtime(x)))
对于毫秒级的时间戳：
df.time.apply(lambda x: time.strftime("%Y-%m-%d %H:%M:%S", time.localtime(x/1000)))
				
Tips：只是做题时忽然想到的一种思路，性能不太ok但可以实现
统计df数据的时候经常遇到，数据格式看起来为datetime，实际上是string，如YYYY/MM/DD HH/MM/SS 这样的能够看懂日期但不属于datetime格式的数据，这个时候要提取年或年月日就会比较困难
而这些数据本身是具有固定格式的，其年份/月份等等信息在字符串中的位置相对而言比较固定
如取年份时，位置一定是字符串前四位
因此，有这样一种思路：
1.遍历该列的所有数据
2.对每一个字符串数据进行切割，或许字符串中需要的片段