使用 Pandas 库将历史 Metatrader CSV 数据导入 Python（日期/时间解析）答案

【问题标题】：Import historical Metatrader CSV data to Python with Pandas library (date/time parsing)使用 Pandas 库将历史 Metatrader CSV 数据导入 Python（日期/时间解析）
【发布时间】：2012-07-25 06:50:18
【问题描述】：

我有一些 CSV 数据，例如

2011.12.08,22:45,1.33434,1.33465,1.33415,1.33419,265
2011.12.08,23:00,1.33419,1.33542,1.33419,1.33472,391
2011.12.08,23:15,1.33470,1.33483,1.33383,1.33411,420
2011.12.08,23:30,1.33413,1.33451,1.33389,1.33400,285

来自 Metatrader 4 的名为 EURUSD15.csv 的文件

我想通过 Python 使用 Pandas 库和 read_csv 函数导入这个文件...

所以我这样做了：

#!/usr/bin/env python
from pandas import *
df = read_csv('data/EURUSD15.csv', header=None)
df.columns = ['Date', 'Time', 'Open', 'High', 'Low', 'Close', 'Volume']
print(df)

我现在想解析日期/时间...

所以我改变了

df = read_csv('data/EURUSD15.csv', header=None)

到

df = read_csv('data/EURUSD15.csv', header=None, parse_dates=[[1, 2]])

但我收到此错误消息

Exception: Length mismatch (7 vs 6)

如何解析日期和时间列并将 2 列视为 1 个“日期时间”列。

【问题讨论】：

标签： python parsing csv pandas metatrader4

【解决方案1】：

列的索引为零，因此您需要执行 parse_dates=[[0,1]]
这是最新版本的熊猫，但应该适用于 0.8.0+：

In [74]: data = """\
2011.12.08,22:45,1.33434,1.33465,1.33415,1.33419,265
2011.12.08,23:00,1.33419,1.33542,1.33419,1.33472,391
2011.12.08,23:15,1.33470,1.33483,1.33383,1.33411,420
2011.12.08,23:30,1.33413,1.33451,1.33389,1.33400,285
"""

In [75]: pd.read_csv(StringIO(data), 
                     names=['Date', 'Time', 'Open', 'High', 'Low', 'Close', 'Volume'], 
                     index_col='Date_Time', parse_dates=[[0, 1]])
Out[75]: 
                        Open     High      Low    Close  Volume
Date_Time                                                      
2011-12-08 22:45:00  1.33434  1.33465  1.33415  1.33419     265
2011-12-08 23:00:00  1.33419  1.33542  1.33419  1.33472     391
2011-12-08 23:15:00  1.33470  1.33483  1.33383  1.33411     420
2011-12-08 23:30:00  1.33413  1.33451  1.33389  1.33400     285

注意index_col=0 也可以使用。复杂的日期解析会在结果列之前添加，因此 parse_dates 将引用处理日期前的列索引（即，0 是日期，1 是时间），index_col 是指处理日期后的列索引。因此，建议使用列名，因为这样您就不必考虑处理前后的列索引。

【讨论】：

非常感谢！它对我有很大帮助！

【解决方案2】：

parse_dates 不采用索引值。

尝试类似：

pd.read_csv('data/EURUSD15.csv',  parse_dates = [['YYYY.MM.DD', 'HH:MM']], index_col = 0, 
        date_parser=parse)

【讨论】：

对不起，它不起作用！ df = read_csv('data/EURUSD15.csv', header=None, parse_dates=[0]) 适用于第一列，df = read_csv('data/EURUSD15.csv', header=None, parse_dates=[1])适用于第二列但不适用于 df = read_csv('data/EURUSD15.csv', header=None, parse_dates=[[0, 1]])
当我尝试你的代码时 df = read_csv('data/EURUSD15.csv', header=None, parse_dates = [['YYYY.MM.DD', 'HH:MM']], index_col = 0, date_parser=parse) 我收到此错误消息 NameError: name 'parse' is not defined 所以我尝试了 df = read_csv('data/EURUSD15.csv', header=None, parse_dates = [['YYYY.MM.DD ', 'HH:MM']], index_col = 0, date_parser=True) 并得到此错误消息 ValueError: could not broadcast input array from shape (15719) into shape (0)

【解决方案3】：

parse = lambda x: datetime.strptime(x, '%d-%m-%Y %H:%M')
df = pd.read_csv('data/EURUSD15.csv', parse_dates=[[0, 1]], date_parser=parse, index_col=[0],   header=None)
keys = ['Open', 'High', 'Low', 'Close','Volume']
df.columns = [x for x in keys]

【讨论】：

如果您可以为您的答案添加一些解释，它会改进很多！

【解决方案4】：

更简单的方法是使用名为pytrader的拖放解决方案，请在github上查看。

【讨论】：

请使用 pytrader 包含 MWE。