Question

我有数据，其中一列，比如第0列，包含类似于＆＃39;％Y-％m-％d％H：％M：％S＆＃39;和另一列，比如第1列，包含数百秒的整数。我想将两个列一起读入数据框的索引。使用

parse = lambda d: dt.datetime.strptime(d,'%Y-%m-%d %H:%M:%S %f')
df = pd.read_csv(myFile, sep=';', index_col=0, parse_dates=[[0,1]], \
                 keep_date_col=True, date_parser=parse)

然而，将所有整数1,2，... 9视为表示10,20，...... 90几百秒。例如。＆＃39; 2013-3-27 09：00：01＆＃39;第1列中的第0列和第9列将转换为时间戳（＆＃39; 2013-03-27 09：00：01.900000＆＃39;，tz =无），而不是时间戳（＆＃39; 2013-03- 27 09：00：01.090000＆＃39;，tz =无）

我想date_parser函数将9作为＆＃39; 9＆＃39;，但需要将其解释为＆＃39; 09＆＃39;。我该如何解决这个问题？

编辑：

df = pd.read_csv(myFile, sep=';') 
# with column 'TIMESTAMP' containing the strings and column 'HSEC' containing \
# the ints with the hundreds of seconds

df['newTimestamp'] = pd.to_datetime(df['TIMESTAMP'],format='%Y-%m-%d %H:%M:%S').add(pd.to_timedelta(dataOB['HSEC']*10000000) 
dataOB.set_index('new',inplace=True)
dataOB.sort_index(inplace=True)

（不知何故，解决方案经常出现在我在这里发布我的问题之后，尽管在接近论坛之前需要几个小时才能找到它。但是，希望它对其他人也有用。）

Answer 1

一些虚拟数据

df = pd.read_csv(StringIO("""col1;col2;col3
    2014-07-16 14:23:46;1;12
    2014-07-16 14:23:53;5;12
    2014-07-16 14:23:55;10;12
    2014-07-16 14:23:59;15;12
    2014-07-16 14:23:59;20;12
    2014-07-16 14:24:00;25;12"""), sep=';')

而不是在read_csv步骤中处理所有内容，可能更容易先读取数据，然后合并列，如下所示？

df['date'] = df['col1'] + '.' +  df['col2'].apply(lambda x: str(x).zfill(2))

然后，您可以将组合列传递给pd.to_datetime并设置索引。

df['date'] = pd.to_datetime(df['date'])
df = df.set_index('date')

pandas - 将包含字符串的列和包含int的列解析为datetime

1 个答案: