Pandas:修复datetime.time和datetime.datetime的混合

Question

我有以下DataFrame，其中'Time‘列具有混合的datetime类型：

time_series_slice = tmp_df['XXX']
time_series_slice['Time types'] = time_series_slice['Time'].apply(lambda row: type(row))
time_series_slice['Time types'].value_counts()

<class 'datetime.datetime'>    97367
<class 'datetime.time'>           25
Name: Time types, dtype: int64

我在使用pd.to_datetime()方法将整个'Time‘列转换为Pandas datetime时遇到问题，原因是：

TypeError: <class 'datetime.time'> is not convertible to datetime

处理时间序列切片‘time’.apply(lambda x: pd.Timestamp(x))也不起作用：

TypeError: Cannot convert input [00:00:00] of type <class 'datetime.time'> to Timestamp

我认为这25个愚蠢的行让我头疼，但我不知道该怎么处理它们。

首先，如何强制Pandas只显示这些行？time_series_slice[isinstance(time_series_slice'Time'，datetime.time)]给了我：

NameError: name 'datetime' is not defined

其次，如何将所有这些值转换为Pandas datetime并继续？:(

更新：

添加示例数据视图：

0    2017-02-08 22:19:08.618000
1    2017-02-08 22:19:12.187000
2    2017-02-08 22:19:13.481000
3    2017-02-08 22:19:16.330000
4    2017-02-08 22:19:16.582000
Name: Time, dtype: object

更新2:多亏了文本的建议，我已经过滤掉了datetime.time行，它们看起来是这样的：

time_series_slice['Time types'] = time_series_slice['Time'].apply(lambda row: type(row).__name__)
time_series_slice[time_series_slice['Time types'] == 'time']['Time']

96367    00:00:00
96368    00:00:00
96464    00:00:00
96465    00:00:00
96466    00:00:00
96467    00:00:00
96593    00:00:00
96862    00:00:00
Name: Time, dtype: object

最简单的方法是将它们重写为全为0的datetime.datetime对象吗？

Answer 1

如果您想对这5行进行切片

time_series_slice['Time types'] = time_series_slice['Time'].apply(lambda x : type(x).__name__)=='Timestamp'

time_series_slice['Time types'].value_counts()

time_series_slice[time_series_slice['Time types']=='datetime.time']

然后

我们使用to_datetime来转换

time_series_slice['Time']=pd.to_datetime(time_series_slice['Time'].astype(str))