我有一个 csv 文件,看起来像
Year Mo Da (01,52)
1950 1 1 0.00
1950 1 2 0.00
1950 1 3 0.05
1950 1 4 0.00
1950 1 5 0.07
1950 1 6 0.07
我想将其转换为具有 2 列的数据框:YYYYMMDD 的日期时间列(使用原始数据中的“Year”、“Mo”和“Da”列),然后是网格点的降雨量(例如 01, 52)作为第二列。
期望的输出是:
Datetime Rainfall
19500101 0.00
19500102 0.00
19500103 0.05
我陷入了两个问题:在读入过程中适当考虑空格以及正确使用parse_dates
。
简单的读入命令:
df = pd.read_csv(csv_fl)
几乎可以正确读取标题,但将 (01,52) 拆分为单独的列,产生尾随 NaN,这不应该出现在此处。
Year Mo Da (01 52)
0 1950 1 1 0.00 NaN
并尝试使用
解析日期df = pd.read_csv(csv_fl, parse_dates={'Datetime':[0,1,2]}, index_col=0)
导致索引错误
colnames.append(str(columns[c]))
IndexError: list index out of range
非常感谢任何指导。
最佳答案
如果您传递参数 delim_whitespace=True
并将列表中的 3 列传递给 parse_dates
,最后一步只是覆盖列名称:
In [96]:
import pandas as pd
import io
t="""Year Mo Da (01,52)
1950 1 1 0.00
1950 1 2 0.00
1950 1 3 0.05
1950 1 4 0.00
1950 1 5 0.07
1950 1 6 0.07"""
df =pd.read_csv(io.StringIO(t), delim_whitespace=True, parse_dates=[['Year','Mo','Da']])
df.columns = ['Datetime', 'Rainfall']
df
Out[96]:
Datetime Rainfall
0 1950-01-01 0.00
1 1950-01-02 0.00
2 1950-01-03 0.05
3 1950-01-04 0.00
4 1950-01-05 0.07
5 1950-01-06 0.07
所以我期望:df = pd.read_csv(csv_fl, delim_whitespace=True, parse_dates=[['Year','Mo','Da']])
应该可以工作,然后覆盖列名称
关于python - Pandas 读取带有多个空格的 csv 并解析日期,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/36876798/