[英]Pandas read csv with multiple whitespaces and parse dates
我有一个 csv 文件,看起来像
Year Mo Da (01,52)
1950 1 1 0.00
1950 1 2 0.00
1950 1 3 0.05
1950 1 4 0.00
1950 1 5 0.07
1950 1 6 0.07
我想将其转换为具有 2 列的数据框:YYYYMMDD 的日期时间列(使用原始数据中的“Year”、“Mo”和“Da”列),然后是网格点处的降雨量(例如 01 , 52) 作为第二列。
所需的输出是:
Datetime Rainfall
19500101 0.00
19500102 0.00
19500103 0.05
我被困在两个问题上:在读入期间适当地考虑空格并正确使用parse_dates
。
简单的读入命令:
df = pd.read_csv(csv_fl)
几乎正确读取标题,但将 (01,52) 拆分为单独的列,产生不应该存在的尾随 NaN。
Year Mo Da (01 52)
0 1950 1 1 0.00 NaN
并尝试使用解析日期
df = pd.read_csv(csv_fl, parse_dates={'Datetime':[0,1,2]}, index_col=0)
导致 IndexError
colnames.append(str(columns[c]))
IndexError: list index out of range
非常感谢任何指导。
如果您传递 params delim_whitespace=True
并将列表中的 3 parse_dates
那么最后一步就是覆盖列名:
In [96]:
import pandas as pd
import io
t="""Year Mo Da (01,52)
1950 1 1 0.00
1950 1 2 0.00
1950 1 3 0.05
1950 1 4 0.00
1950 1 5 0.07
1950 1 6 0.07"""
df =pd.read_csv(io.StringIO(t), delim_whitespace=True, parse_dates=[['Year','Mo','Da']])
df.columns = ['Datetime', 'Rainfall']
df
Out[96]:
Datetime Rainfall
0 1950-01-01 0.00
1 1950-01-02 0.00
2 1950-01-03 0.05
3 1950-01-04 0.00
4 1950-01-05 0.07
5 1950-01-06 0.07
所以我期望: df = pd.read_csv(csv_fl, delim_whitespace=True, parse_dates=[['Year','Mo','Da']])
应该工作,然后覆盖列名
filename = "..."
>>> pd.read_csv(filename,
sep=" ",
skipinitialspace=True,
parse_dates={'Datetime': [0, 1, 2]},
usecols=[0, 1, 2, 3],
names=["Y", "M", "D", "Rainfall"],
skiprows=1)
Datetime Rainfall
0 1950-01-01 0.00
1 1950-01-02 0.00
2 1950-01-03 0.05
3 1950-01-04 0.00
4 1950-01-05 0.07
5 1950-01-06 0.07
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.