python - pandas read_csv 每隔一列都有索引

Question

我有一个 csv 文件，其中包含几只股票的严重值，如下所示:

date                stock_A  date               stock_B  date      stock_C
30.10.2017 09:00    3223     30.10.2017 09:00   53234    ...       .....
30.10.2017 09:02    2544     30.10.2017 09:01   24337    ...       .....
30.10.2017 09:04    925      30.10.2017 09:02   4529     ...       .....    
30.10.2017 09:05    3210     30.10.2017 09:03   8534     ...       .....    

如您所见，每隔一列就是一个日期时间索引。然而，它的顺序/频率不同。有没有一种方法可以用 pandas 导入这些数据，以便我只获得一个索引并相应地映射数据？

我已经尝试过这段代码:

pd.read_csv(file, sep=";", header=0, index_col=['date'], parse_dates=True, dtype=object)

但它只导入第一行作为索引，其他日期作为包含值的列。但是，我希望我的 DataFrame 如下:

date                stock_A  stock_B  stock_C
30.10.2017 09:00    3223     53234    122
30.10.2017 09:01    0        24337    1215  
30.10.2017 09:02    2544     4529     0 
30.10.2017 09:03    0        8534     1354
...

Answer 1

使用 concat 的列表理解和 set_index对于每对 DatetimeIndex:

df = pd.read_csv(file, sep=";")

a = df.columns[::2]
b = df.columns[1::2]

df=pd.concat([df[[j]].set_index(pd.to_datetime(df[i])) for i, j in zip(a,b)],axis=1).fillna(0)
print (df)
                     stock_A  stock_B
2017-10-30 09:00:00   3223.0  53234.0
2017-10-30 09:01:00      0.0  24337.0
2017-10-30 09:02:00   2544.0   4529.0
2017-10-30 09:03:00      0.0   8534.0
2017-10-30 09:04:00    925.0      0.0
2017-10-30 09:05:00   3210.0      0.0

索引中的最后一列:

df = df.rename_axis('date').reset_index()
print (df)
                 date  stock_A  stock_B
0 2017-10-30 09:00:00   3223.0  53234.0
1 2017-10-30 09:01:00      0.0  24337.0
2 2017-10-30 09:02:00   2544.0   4529.0
3 2017-10-30 09:03:00      0.0   8534.0
4 2017-10-30 09:04:00    925.0      0.0
5 2017-10-30 09:05:00   3210.0      0.0