将Python Pandas中的列名从datatime对象更改为字符串？ [英] Change column names in Python Pandas from datatime objects to strings?

问题描述

按照此配方。我'转动'一个数据框，如下所示：

Following this recipe. I 'pivoted' a dataframe that looks like this:

                      Close
2015-02-20 14:00:00  1200.1
2015-02-20 14:10:00  1199.8
2015-02-21 14:00:00  1199.3
2015-02-21 14:10:00  1199.0
2015-02-22 14:00:00  1198.4
2015-02-22 14:10:00  1199.7

并将其转换为：

             14:00  14:10
 2015-02-20 1200.1 1199.8
 2015-02-21 1199.3 1199.0
 2015-02-22 1198.4 1199.7

然而，现在我想做的是简单的计算列之间，如：

However, now that I want do to simple calculations between the columns like:

df['Chg'] = df['14:10:00'] - df['14:00:00']

得到一个KeyError，因为'pivot'后面的列名称是datetime.time数据。

I get a KeyError, because after 'pivoting' the column names are datetime.time data.

In [1]: df_pivot.columns.tolist()
Out [2]:   
[datetime.time(14, 0),
 datetime.time(14, 10)]

怎么可能我修改我的枢轴数据框，所以我可以在列之间进行简单的计算。我想这意味着将列名的格式从datetime.time更改为str。

How can I modify my pivoted dataframe, so I can do simple calculations between columns. I guess It means changing the format of the column names from datetime.time to str.

谢谢

推荐答案

您可以将列名转换为字符串：

You can convert the column names to strings like this:

df.columns =df.columns.map(lambda t: t.strftime('%H:%M'))

或使用重命名：

df.rename(columns =lambda t: t.strftime('%H:%M'), inplace=True)

然后将它们索引：

df['14:00']

返回：

2015-02-20    2399.9
2015-02-21       NaN
2015-02-22       NaN
Name: 14:00, dtype: float64

这篇关于将Python Pandas中的列名从datatime对象更改为字符串？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！