如何将float64值转换为等效的datetime格式？

如何解决如何将float64值转换为等效的datetime格式？

如何将float64类型的值转换为datetime类型的值。

这是数据集中的前五个浮点值：

0    41245.0
1    41701.0
2    36361.0
3    36145.0
4    42226.0
Name: product_first_sold_date,dtype: float64

然后将浮点类型转换为日期时间类型值，我这样写：

from datetime import datetime

pd.to_datetime(y['product_first_sold_date'],format='%m%d%Y.0',errors='coerce')

但是作为输出，我得到了数据集中所有行的“ NaT”：

0       NaT
1       NaT
2       NaT
3       NaT
4       NaT

Name: product_first_sold_date,Length: 19273,dtype: datetime64[ns]

然后，这个：

print（pd.to_datetime（y.product_first_sold_date，infer_datetime_format = True））

但是它对数据集中的所有行显示相同的日期

0       1970-01-01 00:00:00.000041245
1       1970-01-01 00:00:00.000041701
2       1970-01-01 00:00:00.000036361
3       1970-01-01 00:00:00.000036145
4       1970-01-01 00:00:00.000042226

我真的不知道代码有什么问题吗？

我也尝试过这个：

pd.to_datetime(pd.Series(g.product_first_sold_date).astype(str),format='%d%m%Y.0')

并将其作为输出，我也更改了格式='％Y％m％d.0'：

ValueError: time data '41245.0' does not match format '%d%m%Y.0' (match)

似乎没有任何效果，或者可能是我做错了什么，不知道如何解决。谢谢！

解决方法

我假设这些浮点值代表日期，因为Excel内部对其进行处理，即从1900-01-01开始的天数：

要将这种格式转换为Python / pandas日期时间，可以通过设置适当的来源和单位来实现：

df['product_first_sold_date'] = pd.to_datetime(df['product_first_sold_date'],origin='1899-12-30',unit='D')

...给出了所提供的示例

0   2012-12-02
1   2014-03-03
2   1999-07-20
3   1998-12-16
4   2015-08-10
Name: product_first_sold_date,dtype: datetime64[ns]

此处要注意的重点（请参阅@ chux-ReinstateMonica的评论）是1900-01-01是Excel中的第1天，而不是第0天（您必须作为来源提供）。零天是1899-12-30；如果您想知道为什么不是1899-12-31，那么解释很有趣，您可以找到更多的info here。