Question

我有一个csv文件，并通过熊猫读取它：

(100, 28, 28)

csv文件内容如下：

cols=['DATE(GMT)','TIME(GMT)',DATASET]
df=pd.read_csv('datasets.csv', usecols=cols)

现在，我需要将'DATE（GMT）'，'TIME（GMT）'合并为单个DateTime列。这样我只能有两列，即DATETIME和DATASET

Answer 1

您可以将parse_dates列的参数red_csv添加到datetime：

df = pd.read_csv('datasets.csv', usecols=cols, parse_dates=['DATE(GMT)'])

print (df.dtypes)
DATE(GMT)    datetime64[ns]
TIME(GMT)             int64
DATASET               int64
dtype: object

然后添加“时间”列转换为to_timedelta：

df['DATE(GMT)'] += pd.to_timedelta(df.pop('TIME(GMT)').astype(str), unit='H')
print (df)
            DATE(GMT)  DATASET
0 2018-05-01 00:00:00       10
1 2018-05-01 01:00:00       15
2 2018-05-01 02:00:00       21
3 2018-05-01 03:00:00        9
4 2018-05-01 04:00:00       25
5 2018-05-01 05:00:00        7
6 2018-05-02 14:00:00       65

编辑：

存在一些数据非数字的问题：

print (df)
    DATE(GMT) TIME(GMT)  DATASET
0  05-01-2018         0       10
1  05-01-2018         1       15
2  05-01-2018         2       21
3  05-01-2018         3        9
4  05-01-2018         4       25
5  05-01-2018         s        7
6  05-02-2018         a       65

您可以找到它：

print (df[pd.to_numeric(df['TIME(GMT)'], errors='coerce').isnull()])
    DATE(GMT) TIME(GMT)  DATASET
5  05-01-2018         s        7
6  05-02-2018         a       65

然后根据需要用0（所有缺失值）重新填充它：

df['TIME(GMT)'] = pd.to_numeric(df['TIME(GMT)'], errors='coerce').fillna(0)
print (df)
    DATE(GMT)  TIME(GMT)  DATASET
0  05-01-2018        0.0       10
1  05-01-2018        1.0       15
2  05-01-2018        2.0       21
3  05-01-2018        3.0        9
4  05-01-2018        4.0       25
5  05-01-2018        0.0        7
6  05-02-2018        0.0       65

使用PANDAS合并和处理两列作为日期

1 个答案: