Question

我在CSV文件中有一个30秒间隔的时间序列数据，格式如下：

20120105, 080000,   1
20120105, 080030,   2
20120105, 080100,   3
20120105, 080130,   4
20120105, 080200,   5

如何使用这两种不同的索引方案将其读入pandas数据框：

1，将日期和时间合并为一个日期时间索引

2，使用日期作为主索引，将时间用作多索引数据框中的辅助索引

这两种方案的优点和缺点是什么？一般比另一个更优选吗？在我的情况下，我想看看时间分析，但我不完全确定哪个方案对我的目的更方便。提前谢谢。

Answer 1

将日期和时间合并为一个日期时间索引

df = pd.read_csv(io.BytesIO(text), parse_dates = [[0,1]], header = None, index_col = 0)
print(df)
#                      2
# 0_1                   
# 2012-01-05 08:00:00  1
# 2012-01-05 08:00:30  2
# 2012-01-05 08:01:00  3
# 2012-01-05 08:01:30  4
# 2012-01-05 08:02:00  5

使用date作为主索引，将time作为辅助索引多索引数据框

df2 = pd.read_csv(io.BytesIO(text), parse_dates = True, header = None, index_col = [0,1])
print(df2)
#                   2
# 0          1       
# 2012-01-05 80000  1
#            80030  2
#            80100  3
#            80130  4
#            80200  5

我天真的倾向是偏好多索引的单个索引。

正如Python的禅宗断言，“扁平比嵌套好”。
日期时间是一个概念对象。这样对待它。（对于年，月，日，小时，分钟等，最好有一个日期时间对象而不是多个列。同样，最好有一个索引而不是两个。）

然而，我对Pandas并不十分熟悉，在进行时间分析时，使用多索引可能会有一些优势。

我会尝试两种方式编写一些典型的计算方法，然后根据编码的简易性，可读性和性能来看看哪一个我更喜欢。

这是我的设置，以产生上述结果。

import io
import pandas as pd

text = '''\
20120105, 080000,   1
20120105, 080030,   2
20120105, 080100,   3
20120105, 080130,   4
20120105, 080200,   5'''

你当然可以使用

pd.read_csv(filename, ...)

而不是

pd.read_csv(io.BytesIO(text), ...)

将日期列和时间列合并到pandas数据框中的索引中

1 个答案: