使用 pandas 将 csv 文件中的数据读入时间序列

Posted 2023-03-11

【中文标题】使用 pandas 将 csv 文件中的数据读入时间序列

【英文标题】：Reading data from csv file into time series with pandas

【发布时间】：2013-03-11 04:10:28

【问题描述】：

我的目标是将 EURUSD data（每天）读入一个时间序列对象，我可以在其中轻松地根据不规则的时间范围对信息进行切片、聚合和重新采样。这很可能是一个简单的答案。我正在使用 Python 进行数据分析，但似乎无法弥合差距。

下载并解压data后，我运行以下代码：

>>> import pandas as pd
>>> df = pd.read_csv('EURUSD_day.csv', parse_dates = 'Timestamp' : ['<DATE>', '<TIME>'], index_col = 'Timestamp')

到目前为止一切顺利。我现在有一个以时间戳为索引的漂亮数据框。

但是，这本书暗示（第 295 页）我应该能够对数据进行子集化，如下所示，以查看 2001 年的所有数据。

>>> df['2001']

但是，这行不通。

阅读此question and answer 告诉我可以导入时间戳：

>>> from pandas.lib import Timestamp
>>> s = df['<CLOSE>']

这似乎适用于特定的一天：

>>> s[Timestamp('2001-01-04)]
0.9506999999

然而，以下代码为我想要的 2001 年所有数据范围生成了一个值。

>>> s[Timestamp('2001')]
0.8959

我知道我缺少一些简单的东西，一些基本的东西。有人可以帮忙吗？

谢谢你， 布赖恩

【参考方案1】：

pg 上的例子。 295 正在 Series 对象上执行，这就是使用年份进行索引的原因。使用 DataFrame，您可能希望 df.ix['2001'] 获得相同的结果。

【讨论】：

谢谢！！！您的答案非常适合数据框。如何将数据导入 Series 对象？

系列是一个简单的一维数组类对象。它有一个索引和与每个索引关联的值。一个 DataFrame 由多个 Series 对象组成（每一列都是一个 Series）。因此，要从 DataFrame 中获取系列，您可以选择任何单独的列，例如 df["Column Name"]，结果将是一个系列。或者要按索引访问该列中的值，请尝试df["Column Name"]['2001']。

谢谢您，先生。我知道我遗漏了一些基本的，而你做到了。我无法告诉你我多么感谢你清晰简洁的解释。

@Brian：您并不需要对任何答案进行投票（单击向上箭头），但是由于这个答案（以及相关的 cmets）对您有很大帮助，因此您应该考虑投票社区将更有可能在未来相应地信任此用户。

【参考方案2】：

如果你想获取所有的列，那么df.ix['2001']。

如果你只对“CLOSE”感兴趣，因为你已经做了s = df['<CLOSE>']，你可以通过s['2001']得到2001年的值