Pandas и импорт csv в dataframe. Как лучше всего комбинировать поля даты даты anbd в одном

Question

У меня есть файл csv, который я пытаюсь импортировать в pandas.

Есть две колонны входа. дата и час и первые два столбца.

E.g. 

date,hour,... 
10-1-2013,0, 
10-1-2013,0, 
10-1-2013,0, 
10-1-2013,1, 
10-1-2013,1, 

Как импортировать с помощью панд, чтобы этот час и дата были объединены или это лучше всего сделать после первоначального импорта?

ДФ = DataFrame.from_csv («bingads.csv», Сентябрь = «»)

Если я первоначальный импорт, как я объединить два в качестве даты, а затем удалить час?

Благодаря

Answer 1

Определите свой собственный date_parser:

In [291]: from dateutil.parser import parse 
In [292]: import datetime as dt 
In [293]: def date_parser(x): 
    .....:  date, hour = x.split(' ') 
    .....:  return parse(date) + dt.timedelta(0, 3600*int(hour)) 

In [298]: pd.read_csv('test.csv', parse_dates=[[0,1]], date_parser=date_parser) 
Out[298]: 
      date_hour a b c 
0 2013-10-01 00:00:00 1 1 1 
1 2013-10-01 00:00:00 2 2 2 
2 2013-10-01 00:00:00 3 3 3 
3 2013-10-01 01:00:00 4 4 4 
4 2013-10-01 01:00:00 5 5 5 

Answer 2

Посмотрите на parse_dates аргумент, который принимает pandas.read_csv. Вы можете сделать что-то вроде:

df = pandas.read_csv('some.csv', parse_dates=True) 
# in which case pandas will parse all columns where it finds dates 
df = pandas.read_csv('some.csv', parse_dates=[i,j,k]) 
# in which case pandas will parse the i, j and kth columns for dates 

Answer 3

Применение read_csv вместо read_clipboard обрабатывать ваши фактические данные:

>>> df = pd.read_clipboard(sep=',') 
>>> df['date'] = pd.to_datetime(df.date) + pd.to_timedelta(df.hour, unit='D')/24 
>>> del df['hour'] 
>>> df 
       date ... 
0 2013-10-01 00:00:00 NaN 
1 2013-10-01 00:00:00 NaN 
2 2013-10-01 00:00:00 NaN 
3 2013-10-01 01:00:00 NaN 
4 2013-10-01 01:00:00 NaN 

[5 rows x 2 columns] 

Answer 4

Так как вы только с помощью два столбца из файла cdv и объединение их в один, я бы втиснулся в ряд объектов datetime, например:

import pandas as pd 
from StringIO import StringIO 
import datetime as dt 

txt='''\ 
date,hour,A,B 
10-1-2013,0,1,6 
10-1-2013,0,2,7 
10-1-2013,0,3,8 
10-1-2013,1,4,9 
10-1-2013,1,5,10''' 

def date_parser(date, hour): 
    dates=[] 
    for ed, eh in zip(date, hour): 
     month, day, year=list(map(int, ed.split('-'))) 
     hour=int(eh) 
     dates.append(dt.datetime(year, month, day, hour)) 

    return dates  

p=pd.read_csv(StringIO(txt), usecols=[0,1], 
       parse_dates=[[0,1]], date_parser=date_parser, squeeze=True) 

print p 

Печать:

0 2013-10-01 00:00:00 
1 2013-10-01 00:00:00 
2 2013-10-01 00:00:00 
3 2013-10-01 01:00:00 
4 2013-10-01 01:00:00 
Name: date_hour, dtype: datetime64[ns]