python - 使用 pandas read_csv 将列转换为正确的时间戳

Question

我有一个包含时间戳和财务数据的时间序列 csv 文件，如下所示:

20140804:10:00:13.281486,782.83,443355
20140804:10:00:13.400113,955.71,348603

现在，我想将其放入 pandas.DataFrame，并在读取 csv 时将日期解析为 yyyymmddhhmmss .我搜索了线程，看到有人使用 datetime 模块，但我对 Python 很陌生，所以我不确定如何使用该模块来解析上述数据，以及如何做这一切都是我在 csv 中读取的。

如何最好地解决这个问题？

Answer 1

你需要:

没有 csv 标题:

import pandas as pd
from pandas.compat import StringIO

temp=u"""
20140804:10:00:13.281486,782.83,443355
20140804:10:00:13.400113,955.71,348603"""
#after testing replace 'StringIO(temp)' to 'filename.csv'
df = pd.read_csv(StringIO(temp), 
                 #parse first columns 
                 parse_dates=[0], 
                 #custom parse function 
                 date_parser = lambda x: pd.datetime.strptime(x, '%Y%m%d:%H:%M:%S.%f'), 
                 #no header of csv
                 header=None) 

print (df)
                           0       1       2
0 2014-08-04 10:00:13.281486  782.83  443355
1 2014-08-04 10:00:13.400113  955.71  348603

print (df.dtypes)
0    datetime64[ns]
1           float64
2             int64
dtype: object

---

csv 文件头

import pandas as pd
from pandas.compat import StringIO

temp=u"""dates,a,b
20140804:10:00:13.281486,782.83,443355
20140804:10:00:13.400113,955.71,348603"""
#after testing replace 'StringIO(temp)' to 'filename.csv'
df = pd.read_csv(StringIO(temp), 
                 parse_dates=[0], 
                 date_parser = lambda x: pd.datetime.strptime(x, '%Y%m%d:%H:%M:%S.%f'))

print (df)
                       dates       a       b
0 2014-08-04 10:00:13.281486  782.83  443355
1 2014-08-04 10:00:13.400113  955.71  348603     

print (df.dtypes)
dates    datetime64[ns]
a               float64
b                 int64
dtype: object