Pandas - 如何将 RangeIndex 转换为 DateTimeIndex

Posted 2023-03-12

【中文标题】Pandas - 如何将 RangeIndex 转换为 DateTimeIndex

【英文标题】：Pandas - how to convert RangeIndex into DateTimeIndex

【发布时间】：2018-06-23 05:07:07

【问题描述】：

我有以下数据框。它是 OHLC 一分钟数据。显然，我需要 T 列成为索引才能使用时间序列功能

C H L O T V

13712 6873.0 6873.0 6873.0 6873.0 2018-01-13T17:17:00 799.448421 
13713 6878.0 6878.0 6875.0 6875.0 2018-01-13T17:18:00 1707.578666 
13714 6880.0 6880.0 6825.0 6825.0 2018-01-13T17:21:00 481.245707 
13715 6876.0 6876.0 6876.0 6876.0 2018-01-13T17:22:00 839.177283 
13716 6870.0 6878.0 6830.0 6878.0 2018-01-13T17:23:00 4336.830277 

我用过：

df['T'] = pd.to_datetime(df['T'])

到目前为止一切顺利！ T 列现在被识别为日期

检查：

<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 13717 entries, 1970-01-01 00:00:00 to 1970-01-01 00:00:00.000013716
Data columns (total 7 columns):
BV    13717 non-null float64
C     13717 non-null float64
H     13717 non-null float64
L     13717 non-null float64
O     13717 non-null float64
T     13717 non-null datetime64[ns]
V     13717 non-null float64
dtypes: datetime64[ns](1), float64(6)
memory usage: 857.3 KB

现在是有趣且无法解释的部分：

df.set_index(df['T'])


   C H L O T V
T

2018-01-03 17:27:00 5710.0 5710.0 5663.0 5667.0 2018-01-03 17:27:00 3863.030204 
2018-01-03 17:28:00 5704.0 5710.0 5663.0 5710.0 2018-01-03 17:28:00 1208.627542 
2018-01-03 17:29:00 5699.0 5699.0 5663.0 5663.0 2018-01-03 17:29:00 1755.123688 

看起来仍然不错，但是当我检查我得到的索引类型时：

RangeIndex(start=0, stop=13717, step=1)

如果我现在尝试：

df.index = pd.to_datetime(df.index)

我最终得到：

DatetimeIndex([          '1970-01-01 00:00:00',
               '1970-01-01 00:00:00.000000001',
               '1970-01-01 00:00:00.000000002',
               '1970-01-01 00:00:00.000000003',
               '1970-01-01 00:00:00.000000004' and so on...

这显然是错误的。

问题是： 1. 将日期转换为索引，为什么不能得到正常的 DateTimeIndex？

如何将该 RangeIndex 转换为具有正确时间戳的 DateTimeIndex？

谢谢！

【问题讨论】：

您忘记只分配回df = df.set_index('T') 或使用df.set_index('T', inplace=True)

但是如果使用csv作为输入数据，最简单的就是df = pd.read_csv(file, parse_dates=['T'], index_col=['T'])

输入数据为json。但我发现 df.index = df['T'] 可以解决问题

好的，然后使用第二个解决方案；）

我现在明白我的错误了。如果没有 df = df.set_index，我只是将整数转换为时间戳，将毫秒或纳秒添加到初始 Unix 时间戳。

【参考方案1】：

如果输入数据是csv，最简单的方法是在read_csv中使用参数parse_dates和index_col：

df = pd.read_csv(file, parse_dates=['T'], index_col=['T'])

如果没有，请使用您的解决方案，不要忘记分配set_index 的返回输出，如果需要在DatetimeIndex 之后删除列T，请使用T 而不是df['T']：

df['T'] = pd.to_datetime('T')
df = df.set_index('T')

#alternative solution
#df.set_index('T', inplace=True)

如果我将日期转换为索引，为什么我得不到正常的 DateTimeIndex？

因为你的索引是默认的 (0,1,2..)，所以 df.index = pd.to_datetime(df.index) 解析 integerss 就像 ns 并得到奇怪的日期时间。