Python pandas - 将日期和时间列加入带有时区的日期时间列

Question

我有一个包含日期列和时间列的数据集，我正在尝试将它们组合到 DateTime 列中，但我遇到了月份和日期部分被反转的问题

例如：

Date       Time
1/2/2019   3:29:59 PM
4/2/2019   9:15:59 AM

这些日期是 2019 年 2 月 1 日和 2 月 4 日。

当我将它们放入我的 DataFrame 并格式化它们时：

data = pd.read_csv('{}/{}.csv'.format(data_path,symbol), parse_dates=[['Date','Time']])
data.columns = map(str.lower, data.columns)
data['timedelta'] = pd.Series([pd.Timedelta(seconds=59) for i in range(len(data['date_time']))])
data['date_time'] = data['date_time'] - data['timedelta']
data = data.set_index('date_time').tz_localize('Asia/Kolkata')

我得到这个 output：

Datetime
2019-01-02 15:29:00+0530
2019-04-02 09:15:00+0530

如您所见，DateTime object 适用于 2019 年 1 月 2 日和 4 月 2 日。

感谢您帮助弄清楚如何正确格式化 DateTime 列。

Answer 1

首先，运行df['Date'] = pd.to_datetime(df['Date'], format='%d/%m/%Y')更改日期格式。 然后，您可以合并您的日期和时间。 完整代码如下：

data = pd.read_csv('{}/{}.csv'.format(data_path,symbol), parse_dates=[['Date','Time']])
df['Date'] = pd.to_datetime(df['Date'], format='%d/%m/%Y')
data.columns = map(str.lower, data.columns)
data['timedelta'] = pd.Series([pd.Timedelta(seconds=59) for i in range(len(data['date_time']))])
data['date_time'] = data['date_time'] - data['timedelta']
data = data.set_index('date_time').tz_localize('Asia/Kolkata')

Answer 2

在调用read_csv时，设置dayfirst=True以便正确解析日期。 使用dt.floor到分钟：

data = pd.read_csv(f'{data_path}/{symbol}.csv', parse_dates=[['Date','Time']], dayfirst=True)

data = data.set_index(data['Date_Time'].dt.floor('min')).tz_localize('Asia/Kolkata')

# need to drop col used as index separately here:
data = data.drop(['Date_Time'], axis=1)

Answer 3

阅读 csv 后将以下内容添加到您的代码中：

df['Date'] = pd.to_datetime(df['Date'], format='%d/%m/%Y')