python - 使用一个索引将未对齐的时间序列加载到 DataFrame 中？

Question

我正在开始学习这个很棒的工具，但我陷入了加载多个时间序列并将它们与“主”日期向量对齐的简单任务。

例如:我有一个 csv 文件:Data.csv，其中第一行包含标题“Date1、Rate1、Date2、Rate2”，其中 Date1 是 Rate1 的日期，Date2 是Rate2 的日期。

在这种情况下，Rate2 有更多的观测值(开始日期与 Date1 相同，但结束日期比 Date1 中的结束日期相距更远，并且缺失值更少)，并且所有内容都应根据日期2。

获取以下 DataFrame 的首选方式是什么？ (或完成类似的事情)

index(Date2) Rate1 Rate2
11/12/06     1.5   1.8
12/12/06     NaN   1.9
13/12/06     1.6   1.9
etc
etc
11/10/06     NaN   1.2
12/10/06     NaN   1.1
13/10/06     NaN   1.3

我尝试按照官方 pandas.pdf 和谷歌搜索中的示例进行操作，但无济于事。 (我什至买了麦金尼先生的 Pandas 书的预版，但有关 Pandas 的章节还没有准备好:()

有什么好的食谱吗？

非常感谢

编辑:关于将系列分成两个 .CSV 文件的答案:但是如果我有很多时间序列怎么办，例如

日期 1 价格 1 日期 2 价格 2 ... 日期 N 价格 N

我所知道的是，日期应该几乎相同，异常(exception)来自包含缺失值的系列(没有日期或利率条目)(这将是一些金融经济学时间序列的示例，由方式)

加载此数据集的首选方法仍然是将每个系列拆分为单独的 .CSV 吗？

EDIT2 archlight 是完全正确的，仅仅执行“csv_read”就会把事情搞砸。

基本上，我的问题可以归结为:如何加入几个未对齐的时间序列，其中每个序列都有一个日期列，以及该序列本身的列(从 Excel 导出的 .CSV 文件)

再次感谢

Answer 1

我认为没有必要将数据拆分为多个文件。如何使用 read_csv 加载文件并将每个日期/速率对转换为单独的时间序列？所以你的代码看起来像:

data = read_csv('foo.csv')

ts1 = Series(data['rate1'], index=data['date1'])
ts2 = Series(data['rate2'], index=data['date2'])

现在，要将数据连接在一起并对齐 DataFrame 中的数据，您可以执行以下操作:

frame = DataFrame({'rate1': ts1, 'rate2': ts2})

这将形成 ts1 和 ts2 中日期的并集并对齐所有数据(在适当的位置插入 NA 值)。

或者，如果你有 N 个时间序列，你可以这样做:

all_series = {}
for i in range(N):
   all_series['rate%d' % i] = Series(data['rate%d' % i], index=data['date%d' % i])

frame = DataFrame(all_series)

根据我的经验，这是一种非常常见的模式