问与答 将熊猫DateTimeIndex转换为Unix时间？

由于DatetimeIndex是ndarray，所以您可以不用费力就能完成转换（快得多）。

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

注意：时间戳记是unix时间（以纳秒为单位）（因此将其除以10 ** 9）：

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

例如：

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指出的那样，直接提取值数组的速度更快：

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

其他答案的摘要：

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

如果要保持毫秒除以10**6

补充其他答案：//10**9将进行地板除法，该除法给出过去的完整秒数，而不是以秒为单位的最近值。 如果需要，获得更合理舍入的一种简单方法是在进行地板分隔之前添加5*10**8 - 1。

为了解决NaT的问题，上述解决方案将转换为较大的负整数，在pandas> = 0.24中，可能的解决方案是：

def datetime_to_epoch(ser):
    """Don't convert NaT to large negative values."""
    if ser.hasnans:
        res = ser.dropna().astype('int64').astype('Int64').reindex(index=ser.index)
    else:
        res = ser.astype('int64')

    return res // 10**9

在缺少值的情况下，这将返回可为空的int类型'Int64'（ExtensionType pd.Int64Dtype）：

In [5]: dt = pd.to_datetime(pd.Series(["2019-08-21", "2018-07-28", np.nan]))                                                                                                                                                                                                    
In [6]: datetime_to_epoch(dt)                                                                                                                                                                                                                                                   
Out[6]: 
0    1566345600
1    1532736000
2           NaN
dtype: Int64

否则为常规int64：

In [7]: datetime_to_epoch(dt[:2])                                                                                                                                                                                                                                               
Out[7]: 
0    1566345600
1    1532736000
dtype: int64

如果您在数据框的datetime列上尝试过此操作：

dframe['datetime'].astype(np.int64) // 10**9

＆您正在努力解决以下错误：TypeError: int() argument must be a string, a bytes-like object or a number, not 'Timestamp'您可以只使用这两行：

dframe.index = pd.DatetimeIndex(dframe['datetime'])
dframe['datetime']= dframe.index.astype(np.int64)// 10**9