Python Pandas - 从 csv 文件创建时间序列

Question

我想通过读取 csv 文件并将第一列设置为 DatetimeIndex 来创建时间序列 'aapl'。

这里是 csv 文件中的一些行：

2000-01-03, 111.937502
2000-01-04, 102.500003
2000-01-05, 103.999997
2000-01-06,  94.999998
2000-01-07,  99.500001

结果显示如下：

In [1]: aapl.head()
Out[1]: 
Date
2000-01-03    111.937502
2000-01-04    102.500003
2000-01-05    103.999997
2000-01-06     94.999998
2000-01-07     99.500001
Name: AAPL, dtype: float64

In [2]: type(aapl)
Out[2]: pandas.core.series.Series

In [3]: type(aapl.index)
Out[3]: pandas.tseries.index.DatetimeIndex

我试过了：

aapl = pd.read_csv('aapl.csv', header=None)
aapl[0] = pd.to_datetime(aapl[0])
aapl.set_index(0, inplace=True)
aapl.index.name = 'Date'
print(type(aapl))
print(type(aapl.index))
print(aapl.head())

但这给我留下了：

<class 'pandas.core.frame.DataFrame'>
<class 'pandas.core.indexes.datetimes.DatetimeIndex'>
                     1
Date                  
2000-01-03  111.937502
2000-01-04  102.500003
2000-01-05  103.999997
2000-01-06   94.999998
2000-01-07   99.500001

它仍然是一个数据框，而不是一个系列。具有值的列仍然有一个列名。

欢迎所有建议！

Answer 1

我认为你可以使用参数 squeeze 转换为 Series 主要是：

import pandas as pd
from pandas.compat import StringIO

temp=u"""2000-01-03,111.937502
2000-01-04,102.500003
2000-01-05,103.999997
2000-01-06,94.999998
2000-01-07,99.500001"""
#after testing replace 'StringIO(temp)' to 'filename.csv'
aapl = pd.read_csv(StringIO(temp), 
                   squeeze=True, 
                   index_col=[0], 
                   parse_dates=True, 
                   names=['Date','col'])

print(type(aapl))
<class 'pandas.core.series.Series'>

print(type(aapl.index))
<class 'pandas.core.indexes.datetimes.DatetimeIndex'>

print(aapl.head())
Date
2000-01-03    111.937502
2000-01-04    102.500003
2000-01-05    103.999997
2000-01-06     94.999998
2000-01-07     99.500001
Name: col, dtype: float64

Python Pandas - 从 csv 文件创建时间序列

Python Pandas - Creating a timeseries from a csv file

python

csv

pandas

datetimeindex