將日期列和時間列合並到pandas數據框中的索引中

Question

我在CSV文件中有一個30秒間隔的時間序列數據，格式如下：

20120105, 080000,   1
20120105, 080030,   2
20120105, 080100,   3
20120105, 080130,   4
20120105, 080200,   5

如何使用這兩種不同的索引方案將其讀入pandas數據框：

1，將日期和時間合並為一個日期時間索引

2，使用date作為主索引，使用time作為multiindex數據幀中的輔助索引

這兩種方案的利弊是什么？ 一般比另一個更優選嗎？ 在我的情況下，我想看看時間分析，但我不完全確定哪個方案對我的目的更方便。 提前致謝。

Answer 1

1. 將日期和時間合並為單個日期時間索引

    df = pd.read_csv(io.BytesIO(text), parse_dates = [[0,1]], header = None, index_col = 0) print(df) # 2 # 0_1 # 2012-01-05 08:00:00 1 # 2012-01-05 08:00:30 2 # 2012-01-05 08:01:00 3 # 2012-01-05 08:01:30 4 # 2012-01-05 08:02:00 5 

2. 使用date作為主索引，將time作為multiindex數據幀中的二級索引

    df2 = pd.read_csv(io.BytesIO(text), parse_dates = True, header = None, index_col = [0,1]) print(df2) # 2 # 0 1 # 2012-01-05 80000 1 # 80030 2 # 80100 3 # 80130 4 # 80200 5 

---

我天真的傾向是更喜歡單指數而不是多指數。

• 正如Python的Zen所言，“Flat比嵌套更好”。
• 日期時間是一個概念對象。 這樣對待它。 （對於年，月，日，小時，分鍾等，最好有一個日期時間對象而不是多個列。同樣，最好有一個索引而不是兩個。）

但是，我對Pandas不是很有經驗，在進行時間分析時使用多索引可能會有一些優勢。

我會嘗試兩種方式編寫一些典型的計算方法，然后根據編碼的簡易性，可讀性和性能來看看哪一個我更喜歡。

---

這是我的設置，以產生上述結果。

import io
import pandas as pd

text = '''\
20120105, 080000,   1
20120105, 080030,   2
20120105, 080100,   3
20120105, 080130,   4
20120105, 080200,   5'''

你當然可以使用

pd.read_csv(filename, ...)

代替

pd.read_csv(io.BytesIO(text), ...)