如何将 Expect data.index 作为 DatetimeIndex 处理？答案

【问题标题】：How can I deal with Expect data.index as DatetimeIndex?如何将 Expect data.index 作为 DatetimeIndex 处理？
【发布时间】：2021-12-14 20:34:58
【问题描述】：

我计划从比特币数据中获取烛台图。这是我在加载 csv 文件后选择我想要的数据框的代码。

df['Date'] = pd.to_datetime(df['Date'])
start_date = '2016-02-27'
end_date = '2021-02-27'
mask = (df['Date'] >= start_date) & (df['Date'] <= end_date)
df = df.loc[mask]
df

然后，我输入了制作烛台图的代码，如下所示：

import matplotlib.pyplot as plt
! pip install --upgrade mplfinance
import mplfinance as mpf
import matplotlib.dates as mpl_dates


mpf.plot(df, type = 'candle', style = 'charles',
        title = 'Bitcoin Price',
        ylabel = 'Price (USD$)',
        volume = True,
        ylabel_lower = 'Shares \nTraded',
        mav = (3,6,9),
        savefig = 'chart-mplfinance.png')

它说“TypeError：Expect data.index as DatetimeIndex”。所以我在谷歌上查找了这个解决方案并尝试了这个：

df = dict()
df['Date'] = []
df['High'] = []
df['Low'] = []
df['Open'] = []
df['Close'] = []
df['Volume'] = []
for dict in df:
    df['Date'].append(datetime.datetime.fromtimestamp(t).strftime('%Y-%m-%d %H:%M:%S')
    df['High'].append(dict['High'])
    df['Low'].append(dict['Low'])
    df['Open'].append(dict['Open'])
    df['Close'].append(dict['Close'])
    df['Volume'].append(dict['Vol'])
print("df:", df)
pdata = pd.DataFrame.from_dict(df) 
pdata.set_index('Date', inplace=True)
mpf.plot(pdata)

这一次，它说“无效语法” 我不确定我在哪里弄错了，有什么我遗漏的吗？

【问题讨论】：

标签： python python-3.x mplfinance

【解决方案1】：

有两种简单的方法可以确保您的数据框具有 pandas.DatetimeIndex 作为数据框索引：

在调用read_csv() 时，请指明您要使用哪个列作为索引（应该是包含日期/日期时间的列），并设置kwarg parse_dates=True。

这将自动将日期时间列（通常是 csv 文件中的字符串）转换为 DatetimeIndex 对象，并将其设置为索引

您可以看到这是在 mplfinance 存储库 for example, click here, and look under basic usage 的示例中完成的，您可以在其中看到 index_col=0, parse_dates=True 在对 read_csv() 的调用中。
使用pandas.DatetimeIndex() 构造函数。

例如，而不是你写的，
df['Date'] = pd.to_datetime(df['Date'])，你会写：

    df.index = pd.DatetimeIndex(df['Date'])

附带说明，一旦数据帧具有 DatetimeIndex，您就不需要在下一段代码中使用 mask，而是可以简单地 slice，如下所示：

start_date = '2016-02-27'
end_date   = '2021-02-27'
df = df.loc[start_date:end_date]

第一次。

【讨论】：