使用 pandas 处理来自 csv 的数据

Question

这里有一个关于熊猫数据的问题。我正在寻找的是从 csv 文件中获取两列，并在最终保存它们之前处理这些数据。

csv 文件如下所示：

year    month
2007    1
2007    2
2007    3
2007    4
2008    1
2008    3

这是我当前的代码：

records = pd.read_csv(path)
frame = pd.DataFrame(records)
combined = datetime(frame['year'].astype(int), frame['month'].astype(int), 1)

错误是：

TypeError: cannot convert the series to "<type 'int'>"

有什么想法吗？

Answer 1

datetime 不会在 pandas Series（数据框的列）上运行。您可以使用to_datetime，也可以在apply 中使用datetime。像下面这样的东西应该可以工作：

In [9]: df
Out[9]: 
   year  month
0  2007      1
1  2007      2
2  2007      3
3  2007      4
4  2008      1
5  2008      3

In [10]: pd.to_datetime(df['year'].astype(str) + '-'
                     + df['month'].astype(str)
                     + '-1')
Out[10]: 
0   2007-01-01
1   2007-02-01
2   2007-03-01
3   2007-04-01
4   2008-01-01
5   2008-03-01
dtype: datetime64[ns]

或使用应用：

In [11]: df.apply(lambda x: datetime(x['year'],x['month'],1),axis=1)
Out[11]: 
0   2007-01-01
1   2007-02-01
2   2007-03-01
3   2007-04-01
4   2008-01-01
5   2008-03-01
dtype: datetime64[ns]

另一个编辑：您也可以使用read_csv 进行大部分日期解析，但是您需要在阅读后调整天（注意，我的数据在一个名为“数据”的字符串中）：

In [12]: df = pd.read_csv(StringIO(data),header=True,                           
                          parse_dates={'date':['year','month']})
In [13]: df['date'] = df['date'].values.astype('datetime64[M]')                 
In [14]: df
Out[14]: 
        date
0 2007-01-01
1 2007-02-01
2 2007-03-01
3 2007-04-01
4 2008-01-01
5 2008-03-01

Answer 2

有类似的问题，答案是假设您的 DataFrame 的列中有年、月和日：

df['Date'] = df[['Year', 'Month', 'Day']].apply(lambda s : datetime.datetime(*s),axis = 1)

第一部分从日期帧中选择具有年、月和日期的列，第二位将日期时间函数逐元素应用于数据。

如果你没有在你的数据中给出日期，因为它看起来像你的数据，那么就这样做：

df['Day'] = 1

也将这一天放在那里。应该是在代码中做到这一点的方法，但将是快速的解决方法。如果您不想要，可以随时删除 Day 列。