python - 使用 pandas 操作 csv 数据

Question

这是一个关于 pandas 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操作这些数据。

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

日期时间不会在 pandas 系列(数据帧的列)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有效:

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]

或者使用应用:

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:您还可以使用 read_csv 进行大部分日期解析，但您需要在阅读后调整日期在(注意，我的数据位于名为“data”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