pandas将字段中的字符类型转化为时间类型，并设置为索引

假设目前已经引入了 pandas，同时也拥有 pandas 的 DataFrame 类型数据。

import pandas as pd

数据集如下

df.head(3)
        date    open    close    high    low        volume        code
0    2006-12-18    3.905    3.886    3.943    3.867    171180.67    600001
1    2006-12-19    3.886    3.924    3.981    3.867    276799.39    600001
2    2006-12-20    3.934    3.934    3.962    3.809    265653.85    600001

查看每一列的类型

df.info()

从结果的第四排可以看见 date 这一列类型是"object"，即字符类型。

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 640 entries, 0 to 639
Data columns (total 7 columns):
date      640 non-null object
open      640 non-null float64
close     640 non-null float64
high      640 non-null float64
low       640 non-null float64
volume    640 non-null float64
code      640 non-null object
dtypes: float64(5), object(2)
memory usage: 35.1+ KB

现在的目标是：

  • 把 date 这一列用作索引
  • 把 date 用作索引时，类型需要是 DatetimeIndex。

方法1： .to_datetime 和 .set_index

首先，利用 pandas 的to_datetime 方法，把 "date" 列的字符类型数据解析成 datetime 对象。

然后，把 "date" 列用作索引。

df['date'] = pd.to_datetime(df['date'])
df.set_index("date", inplace=True)

结果：

df.head(3)
            open    close    high    low        volume        code
date                        
2006-12-18    3.905    3.886    3.943    3.867    171180.67    600001
2006-12-19    3.886    3.924    3.981    3.867    276799.39    600001
2006-12-20    3.934    3.934    3.962    3.809    265653.85    600001

查看索引是否成为 DatetimeIndex 类型，可以看见确实已经成功转化类型。

df.axes
[DatetimeIndex(['2006-12-18', '2006-12-19', '2006-12-20', '2006-12-21',
                '2006-12-22', '2006-12-25', '2006-12-26', '2006-12-27',
                '2006-12-28', '2006-12-29',
                ...
                '2009-12-02', '2009-12-03', '2009-12-04', '2009-12-07',
                '2009-12-08', '2009-12-09', '2009-12-10', '2009-12-11',
                '2009-12-14', '2009-12-15'],
               dtype='datetime64[ns]', name='date', length=640, freq=None),
 Index(['open', 'close', 'high', 'low', 'volume', 'code'], dtype='object')]

方法2： .DatetimeIndex

首先是原始数据。

df2.head(3)
        date    open    close    high    low        volume        code
0    2003-08-01    4.997    4.949    5.016    4.949    20709.15    600002
1    2003-08-04    4.949    5.045    5.054    4.949    23923.35    600002
2    2003-08-05    5.054    5.093    5.131    5.006    35224.00    600002

先把 "date" 列用作索引，然后使用 DatetimeIndex 将字符类型转化成 DateIndex。

df2.set_index("date", inplace=True)

这个时候索引还是 object 类型，就是字符串类型。

df2.axes
[Index(['2003-08-01', '2003-08-04', '2003-08-05', '2003-08-06', '2003-08-07',
        '2003-08-08', '2003-08-11', '2003-08-12', '2003-08-13', '2003-08-14',
        ...
        '2006-03-24', '2006-03-27', '2006-03-28', '2006-03-29', '2006-03-30',
        '2006-03-31', '2006-04-03', '2006-04-04', '2006-04-05', '2006-04-06'],
       dtype='object', name='date', length=640),
 Index(['open', 'close', 'high', 'low', 'volume', 'code'], dtype='object')]

将其转化成 DateIndex 类型。

df2.index = pd.DatetimeIndex(df.index)

再次查看结果

df2.axes

转化成功

[DatetimeIndex(['2006-12-18', '2006-12-19', '2006-12-20', '2006-12-21',
                '2006-12-22', '2006-12-25', '2006-12-26', '2006-12-27',
                '2006-12-28', '2006-12-29',
                ...
                '2009-12-02', '2009-12-03', '2009-12-04', '2009-12-07',
                '2009-12-08', '2009-12-09', '2009-12-10', '2009-12-11',
                '2009-12-14', '2009-12-15'],
               dtype='datetime64[ns]', name='date', length=640, freq=None),
 Index(['open', 'close', 'high', 'low', 'volume', 'code'], dtype='object')]

结论：.to_datetime仅转换格式，.DatetimeIndex还能设置为索引

两者在转化格式的功能上效果一样，都可以把字符串对象转换成 datetime 对象。

pd.DatetimeIndex 是把某一列进行转换，同时把该列的数据设置为索引 index。
比如

df2.index = pd.DatetimeIndex(df2["date"])

得到一个以 date 作为索引的结果。

.DatetimeIndex 的问题是原来的 date 列数据仍然存在，形成了重复。

                        date           open    close    high              low            volume    code
date    
2003-08-01    2003-08-01    4.997    4.949    5.016    4.949    20709.15    600002
2003-08-04    2003-08-04    4.949    5.045    5.054    4.949    23923.35    600002
2003-08-05    2003-08-05    5.054    5.093    5.131    5.006    35224.00    600002

最终还需要把 date 这一列删掉。

del df2["date"]

才能得到正常数据

               open    close    high    low    volume    code
date                        
2003-08-01    4.997    4.949    5.016    4.949    20709.15    600002
2003-08-04    4.949    5.045    5.054    4.949    23923.35    600002
2003-08-05    5.054    5.093    5.131    5.006    35224.00    600002
 




原文链接：http://www.jianshu.com/p/4ece5843d383

posted on 2017-09-11 17:26  多一点  阅读(2492)  评论(1)  编辑  收藏  举报

导航