Python pandas -日与月混合 [英] Python Pandas - Day and Month mix up

问题描述

我有一个'myfile.csv'文件，该文件的'timestamp'列始于

I have a 'myfile.csv' file which has a 'timestamp' column which starts at

(2015年1月5日11:51:00)

(01/05/2015 11:51:00)

并在

(2015年7月5日23:22:00)

(07/05/2015 23:22:00)

总跨度为9,727分钟

A total span of 9,727 minutes

'myfile.csv'也有一个名为'A'的列，它是一个数字值，每分钟内有'A'的多个值，每个值都有唯一的时间戳，最接近的秒数.

'myfile.csv' also has a column named 'A' which is some numerical value, there are values are multiple values for 'A' within each minute, each with a unique timestamp to the nearest second.

我的代码如下

df = pd.read_csv('myfile.csv')
df = df.set_index('timestamp')
df.index = df.index.to_datetime()
df.sort_index(inplace=True)
df = df['A'].resample('1Min').mean()
df.index = (df.index.map(lambda t: t.strftime('%Y-%m-%d %H:%M')))

我的问题是python似乎认为'timestamp'从

My problem is that python seems to think 'timestamp' starts at

(2015年5月1日11:51:00)

(01/05/2015 11:51:00)

-> 1月5日

并在

(2015年7月5日23:22:00)

(07/05/2015 23:22:00)

-> 7月5日

但实际上时间戳记"始于

But really 'timestamp' starts at the

5月1日

并在

5月7日

因此，上面的代码生成的数据帧为261,332行，OMG，而实际上它实际上应该只有9,727行.

So the above code produces a dataframe with 261,332 rows, OMG, when it should really only have 9,727 rows.

Python会以某种方式将月份与日期混淆，误解了日期，我该如何解决呢?

Somehow Python is mixing up the month with the day, misinterpreting the dates, how do I sort this out?

推荐答案

csv_read中有许多参数可以帮助您将csv中的日期直接解析到您的pandas DataFrame中.在这里，我们可以将想要的列设置为parse_dates作为日期，然后使用dayfirst.默认值为false，因此假定日期在第一列中，则以下内容应按您希望的方式进行.

There are many arguments within csv_read that can help you parse dates from a csv straight into your pandas DataFrame. Here we can set parse_dates with the columns you want as dates and then use dayfirst. This is defaulted to false so the following should do what you want, assuming the dates are in the first column.

df = pd.read_csv('myfile.csv', parse_dates=[0], dayfirst=True)

如果日期列不是第一行，只需将0更改为列号.

If the dates column is not the first row, just change the 0 to the column number.

这篇关于Python pandas -日与月混合的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！