python - 使用 Pandas 库将历史 Metatrader CSV 数据导入 Python(日期/时间解析)

Question

我有一些 CSV 数据，例如

2011.12.08,22:45,1.33434,1.33465,1.33415,1.33419,265
2011.12.08,23:00,1.33419,1.33542,1.33419,1.33472,391
2011.12.08,23:15,1.33470,1.33483,1.33383,1.33411,420
2011.12.08,23:30,1.33413,1.33451,1.33389,1.33400,285

来自 Metatrader 4，名为 EURUSD15.csv 的文件

我想使用 Pandas 库和 read_csv 函数用 Python 导入这个文件...

所以我这样做了:

#!/usr/bin/env python
from pandas import *
df = read_csv('data/EURUSD15.csv', header=None)
df.columns = ['Date', 'Time', 'Open', 'High', 'Low', 'Close', 'Volume']
print(df)

我现在想解析日期/时间...

所以我改变了

df = read_csv('data/EURUSD15.csv', header=None)

到

df = read_csv('data/EURUSD15.csv', header=None, parse_dates=[[1, 2]])

但是我收到这个错误信息

Exception: Length mismatch (7 vs 6)

如何解析日期和时间列并将 2 列视为 1 个“日期时间”列。

Answer 1

列的索引为零，因此您需要执行 parse_dates=[[0,1]]
这是最新版本的 Pandas ，但应该适用于 0.8.0+:

In [74]: data = """\
2011.12.08,22:45,1.33434,1.33465,1.33415,1.33419,265
2011.12.08,23:00,1.33419,1.33542,1.33419,1.33472,391
2011.12.08,23:15,1.33470,1.33483,1.33383,1.33411,420
2011.12.08,23:30,1.33413,1.33451,1.33389,1.33400,285
"""

In [75]: pd.read_csv(StringIO(data), 
                     names=['Date', 'Time', 'Open', 'High', 'Low', 'Close', 'Volume'], 
                     index_col='Date_Time', parse_dates=[[0, 1]])
Out[75]: 
                        Open     High      Low    Close  Volume
Date_Time                                                      
2011-12-08 22:45:00  1.33434  1.33465  1.33415  1.33419     265
2011-12-08 23:00:00  1.33419  1.33542  1.33419  1.33472     391
2011-12-08 23:15:00  1.33470  1.33483  1.33383  1.33411     420
2011-12-08 23:30:00  1.33413  1.33451  1.33389  1.33400     285

注意 index_col=0 也可以。复杂的日期解析前置结果列，因此 parse_dates 将引用处理日期前的列索引(即 0 是日期，1 是时间)，index_col 引用处理日期后的列索引。因此，建议使用列名，因为它使您不必考虑处理前和处理后的列索引。