原文：Chapter 8
import pandas as pd
8.1 解析 Unix 时间戳
在 pandas 中处理 Unix 时间戳不是很容易 - 我花了相当长的时间来解决这个问题。 我们在这里使用的文件是一个软件包流行度文件，我在我的系统上的/var/log/popularity-contest找到的。
这里解释了这个文件是什么。
# Read it,and remove the last row
popcon = pd.read_csv('../data/popularity-contest',sep=' ',)[:-1]
popcon.columns = ['atime','ctime','package-name','mru-program','tag']
列是访问时间，创建时间，包名称最近使用的程序，以及标签。
popcon[:5]
| atime |
ctime |
package-name |
mru-program |
tag |
| 0 |
1387295797 |
1367633260 |
perl-base |
/usr/bin/perl |
| 1 |
1387295796 |
1354370480 |
login |
/bin/su |
| 2 |
1387295743 |
1354341275 |
libtalloc2 |
/usr/lib/x86_64-linux-gnu/libtalloc.so.2.0.7 |
| 3 |
1387295743 |
1387224204 |
libwbclient0 |
/usr/lib/x86_64-linux-gnu/libwbclient.so.0 |
| 4 |
1387295742 |
1354341253 |
libselinux1 |
/lib/x86_64-linux-gnu/libselinux.so.1 |
pandas 中的时间戳解析的神奇部分是 numpy datetime已经存储为 Unix 时间戳。 所以我们需要做的是告诉 pandas 这些整数实际上是数据时间 - 它不需要做任何转换。
我们需要首先将这些转换为整数：
popcon['atime'] = popcon['atime'].astype(int)
popcon['ctime'] = popcon['ctime'].astype(int)
每个 numpy 数组和 pandas 序列都有一个dtype - 这通常是int64，float64或object。 一些可用的时间类型是datetime64[s]，datetime64[ms]和datetime64[us]。 与之相似，也有timedelta类型。
我们可以使用pd.to_datetime函数将我们的整数时间戳转换为datetimes。 这是一个常量时间操作 - 我们实际上并不改变任何数据，只是改变了 Pandas 如何看待它。
popcon['atime'] = pd.to_datetime(popcon['atime'],unit='s')
popcon['ctime'] = pd.to_datetime(popcon['ctime'],unit='s')
如果我们现在查看dtype，它是<M8[ns]，我们可以分辨出M8是datetime64的简写。
popcon['atime'].dtype
dtype('<M8[ns]')
所以现在我们将atime和ctime看做时间了。
popcon[:5]
| atime |
ctime |
package-name |
mru-program |
tag |
| 0 |
2013-12-17 15:56:37 |
2013-05-04 02:07:40 |
perl-base |
/usr/bin/perl |
| 1 |
2013-12-17 15:56:36 |
2012-12-01 14:01:20 |
login |
/bin/su |
| 2 |
2013-12-17 15:55:43 |
2012-12-01 05:54:35 |
libtalloc2 |
/usr/lib/x86_64-linux-gnu/libtalloc.so.2.0.7 |
| 3 |
2013-12-17 15:55:43 |
2013-12-16 20:03:24 |
libwbclient0 |
/usr/lib/x86_64-linux-gnu/libwbclient.so.0 |
| 4 |
2013-12-17 15:55:42 |
2012-12-01 05:54:13 |
libselinux1 |
/lib/x86_64-linux-gnu/libselinux.so.1 |
现在假设我们要查看所有不是库的软件包。
首先，我想去掉一切带有时间戳 0 的东西。注意，我们可以在这个比较中使用一个字符串，即使它实际上在里面是一个时间戳。这是因为 Pandas 是非常厉害的。
popcon = popcon[popcon['atime'] > '1970-01-01']
现在我们可以使用 pandas 的魔法字符串功能来查看包名称不包含lib的行。
nonlibraries = popcon[~popcon['package-name'].str.contains('lib')]
nonlibraries.sort('ctime',ascending=False)[:10]
| atime |
ctime |
package-name |
mru-program |
tag |
| 57 |
2013-12-17 04:55:39 |
2013-12-17 04:55:42 |
ddd |
/usr/bin/ddd |
| 450 |
2013-12-16 20:03:20 |
2013-12-16 20:05:13 |
nodejs |
/usr/bin/npm |
| 454 |
2013-12-16 20:03:20 |
2013-12-16 20:05:04 |
switchboard-plug-keyboard |
/usr/lib/plugs/pantheon/keyboard/options.txt |
| 445 |
2013-12-16 20:03:20 |
2013-12-16 20:05:04 |
thunderbird-locale-en |
/usr/lib/thunderbird-addons/extensions/langpac… |
| 396 |
2013-12-16 20:08:27 |
2013-12-16 20:05:03 |
software-center |
/usr/sbin/update-software-center |
| 449 |
2013-12-16 20:03:20 |
2013-12-16 20:05:00 |
samba-common-bin |
/usr/bin/net.samba3 |
| 397 |
2013-12-16 20:08:25 |
2013-12-16 20:04:59 |
postgresql-client-9.1 |
/usr/lib/postgresql/9.1/bin/psql |
| 398 |
2013-12-16 20:08:23 |
2013-12-16 20:04:58 |
postgresql-9.1 |
/usr/lib/postgresql/9.1/bin/postmaster |
| 452 |
2013-12-16 20:03:20 |
2013-12-16 20:04:55 |
php5-dev |
/usr/include/php5/main/snprintf.h |
| 440 |
2013-12-16 20:03:20 |
2013-12-16 20:04:54 |
php-pear |
/usr/share/php/XML/Util.php |
好吧，很酷，它说我最近安装了ddd。 和postgresql！ 我记得安装这些东西。
这里的整个消息是，如果你有一个以秒或毫秒或纳秒为单位的时间戳，那么你可以“转换”到datetime64 [the-right-thing]，并且 pandas/numpy 将处理其余的事情。
