三分钟告诉你 1575119387982 是什么？

Pandas 百问百答第 006 篇。

标签：时间序列，to_datetime

呆鸟云：“昨天朋友给了我一串数字，如下所示：

1575119387982 1575119687867 1575212636675

说这个是数据库里字符串格式的时间戳，在网上找了两个小时没找到转为正常日期的解决方案，呆鸟一看就乐了，这不就是刚发的《Pandas 时间序列》系列文章里写过的纪元型时间戳吗？呆鸟自信满满地回复，一分钟就搞定给你。”

于是，呆鸟照抄原文代码：

然而，(O_o)??，虾米，居然报错？！！！

不能用 ‘s’ 转换？一分钟已经过去了。。。-_-||，这是咋回事？你不换我换！

把 unit='s' 换成 unit='ns'，也就是把时间单位从秒换成纳秒看下。这次可以了。

呆鸟兴冲冲发给哥们，你看，简单吧，一分半就搞定了。哥们看了以后有点懵b，说真快啊，呆鸟开始自卖自夸，你看，我的文章你要好好看，哪里还用两个小时，一分钟就够了。结果，哥们给我回一句，问题是 1970 年是咋回事？那会我还没生呢啊，我们公司也没开呢，怎么会有这个时间的数据？

(O_o)?? 这次轮到呆鸟懵b了，这也不对？再来。。。把纳秒换成毫秒试试。

这次再一看，哦，原来是 2019 年 11 月 30 日 的，这次靠谱了。嘎~嘎~嘎~

哥们又说，你这才一个啊，我这还有很多呢。于是，呆鸟又给弄了个 list，这样就可以解析很多数据了。

哥们又说，我这个是 Pandas 的 DataFrame 啊，呆鸟。。。，不管了，自己研究去，哼哼。

不过，对于各位读者大大，呆鸟自然会全盘奉上。

代码如下：

import pandas as pd

epoch = [1575119387982,1575119687867,1575212636675]
data = pd.DataFrame(epoch,columns=['Epoch'])

data['date'] = pd.to_datetime(data.Epoch, unit='ms')
data

全下来一共三分钟，其实一分钟也可以啊，好啦，以后，各位再看到这样的长数字纪元型时间戳就别懵了啊。另外，一定要好好学习时间序列啊，这可是数据分析的根本。

本篇分享代码不多，诸君一定要手撕下代码哦。