從熊貓數據框中

Question

第一關的列索引獲取字符串列表，這裏是我的.xlsx時間序列數據的模樣：

這裏如何我讀它：

def loaddata(filepaths): 
    t1 = time.clock() 
    for i in range(len(filepaths)): 
     xl = pd.ExcelFile(filepaths[i]) 
     df = xl.parse(xl.sheet_names[0], header=0, index_col=2, skiprows=[0,2,3,4], parse_dates=True) 
     df = df.dropna(axis=1, how='all') 
     df = df.drop(['Decimal Year Day', 'Decimal Year Day.1', 'RECORD'], axis=1) 
     df.index = pd.DatetimeIndex(((df.index.asi8/(1e9*60)).round()*1e9*60).astype(np.int64)).values 

     if i == 0: 
      dfs = df 
     else: 
      dfs = concat([dfs, df], axis=1) 

    t2 = time.clock() 
    print "Files loaded into dataframe in %s seconds" %(t2-t1) 

    return dfs 

files = ["London Lysimeters corrected 5min.xlsx"] 
data = loaddata(files) 

我需要做的是將列標籤AND單元（第2行和第3行）以及值讀入熊貓數據框，並且能夠以字符串列表的形式訪問標籤和單元行。我似乎無法弄清楚如何加載第2行和第3行，並將時間正確讀入pandas datetimeindex中，但如果僅上載標籤，則工作正常。此外，我已到處尋找，無法弄清楚如何將列標題作爲列表。

如果有人能夠幫助解決這些問題，我將不勝感激。

Answer 1

首先，擺脫那for i in range(len(filepaths))！ pythonic的方式是for i, filepath in enumerate(filepaths)。 enumerate給出了一個元組，所以你可以說ExcelFile(filepath)而不是ExcelFile(filepaths[i])。

我認爲你的兩個問題是相關的。如果我正確讀取代碼，當包含第2行和第3行時，由於時間戳列不是同質的，因此無法分析日期。這不是全部時間戳。

您可以使用Hierarchical index獲取(column, label, unit)格式的數據。首先閱讀標題信息可能是最容易的。然後分別讀取數據和事實後設置的列（我沒有Excel方便的權利，但我認爲所有的read_csv選項我用的都是提供給xlrd也）：

In [7]: df_header = pd.read_csv('test.csv', nrows=2, index_col='three') 

In [8]: df_header 
Out[8]: 
       one  two four 
three        
Timestamp Decimal Decimal record 
ts    ref  ref  rn 

In [9]: df_data = pd.read_csv('test.csv', names=df_header.columns, 
    ...:      skiprows=4, parse_dates=True, index_col=2) 

In [10]: df_data 
Out[10]: 
         one two four 
2012-08-29 07:10:00 32.1 32.0 232 
2012-08-29 09:10:00 1.1 1.2 233 

In [11]: cols = pd.MultiIndex.from_tuples([tuple([x] + df_header[x].tolist()) 
    ....:         for x in df_header]) 

In [12]: cols 
Out[12]: 
MultiIndex 
[one Decimal ref, two Decimal ref, four record rn ] 

In [14]: df_data.columns = cols 

In [15]: df_data 
Out[15]: 
         one  two four 
        Decimal Decimal record 
         ref  ref  rn 
2012-08-29 07:10:00  32.1  32.0  232 
2012-08-29 09:10:00  1.1  1.2  233 

這應該讓你到您的代碼中您開始刪除列並開始連接的位置。另請看developers docs。它看起來像閱讀Excel文件的語法正在清理（更好！）。您可以使用帶有ints列表的parse_cols參數以避免以後丟棄列。

哦，你可以得到字符串列表與df_data.columns.tolist()