Question

我有一个日期时间索引数据框，其中包含 2019 年至 2020 年之间每小时的数据，我从 CSV 文件导入如下数据，以便仅保留我想要的列，并使用更简单的名称（名称因工作原因而更改） :

file = 'data.csv'
df = pd.read_csv(file,sep=";", header=0, na_values=['NA', ' ' , '.'])
df['datetime']=pd.to_datetime(df['datetime'])
df['week'] = df['datetime'].dt.isocalendar().week
df['month'] = df['datetime'].dt.month
df['hour']=df['datetime'].dt.hour
df['day']=df['datetime'].dt.day

df=df.set_index(['datetime'])
   

df=df.rename(columns={'data1':'d1','data2':'d2','data3':'d3','data4':'d4','data5':'d5','data6':'d6','data7':'d7','data8':'d8','data9':'d9','data10':'d10','data11':'d11','data12':'d12','data13':'d13','data14':'d14','data15':'d15','data16':'d16'})

df=df[['d1','d2','d3','d4','d5','d6','d7','d8','d9','d10','d11','d12','d13','d14','d15','d16','week','month','hour','day']]

当我打字时：

df['d4'][0:2800].min()

答案是 995，我知道这是一个很好的答案，因为我检查了 CSV 文件。

现在我的问题是在导入过程中，某些日期以错误的顺序放入数据框中。我不知道为什么，但例如 2019-09-09 之后将是 2019-09-13 而不是 2019-09-10 。

我试图通过使用来修复它

df=df.sort_index(ascending=True)

或

df=df.sort_index()

它似乎可以正常工作，因为现在所有日期都井井有条，但是现在我输入

df['d4'][0:2800].min()

现在的答案是 870，这是一个错误的值。

似乎 df.sort_index() 正在混合我的数据，我做错了什么吗？

Answer 1

这里的重点是确保日期/时间正确导入到日期时间数据类型。像 '01/01/2019 00:00' 这样的字符串将默认解析为 mm/dd/YYYY HH:MM，参见 pandas.to_datetime：

<块引用>

dayfirst bool，默认为 False

根据您住的地方，您可能希望这一天先到来。

另请注意，这是针对每个元素进行评估的；例如'25-12-2019' 被解析为 12 月 25 日，因为没有 25 月。但是同一列中的 '03-12-2019' 变成了 3 月 12 日，尽管可能会是 12 月 3 日。这会造成相当混乱。所以如果...

日期在您的日期字符串中排在第一位：

df['datetime'] = pd.to_datetime(df['datetime'], dayfirst=True)

你也可以

通过 format 的 to_datetime kwarg 显式提供 parsing directive
通过 pandas.read_csv 的 parse_dates kwarg 指定要解析为日期时间的列。在那里，您还可以指定 dayfirst=True

如何对日期时间索引数据框进行排序

1 个答案: