轉換列到適當的時間戳記使用熊貓read_csv

Question

我有一個包含時間戳和財務數據的時間序列csv文件，如：

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

現在，我希望把它變成pandas.DataFrame，並解析當我在csv中讀取的日期爲yyyymmddhhmmss。我圍繞着線程進行了搜索，並且看到有人使用datetime模塊，但我對Python很陌生，所以我不確定如何使用該模塊解析上述數據，並且在同一時間完成這些操作閱讀csv。

如何最好的去解決這個問題？

Answer 1

您需要：

CSV的無頭：

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

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