Csv 熊猫：将时间戳和毫秒转换为DatetimeIndex

与

我得到：

df = read_csv('data\query.csv')

我发现这个

    TIMESTAMP   MILLISECONDS    PRICE
0   15.10.2012 08:00:06     350     24.6
1   15.10.2012 08:00:06     630     24.7
2   15.10.2012 08:00:06     640     24.9
3   15.10.2012 08:00:06     650     24.5
4   15.10.2012 08:00:06     710     24.3

正在将前两列连接到字符串，但仍无法将索引识别为DatetimeIndex

另外这个

df = read_csv('data\query.csv', parse_dates=[[0, 1]], index_col=0)

正在做转换工作

问题：如何在读取csv时一次性完成转换和DatetimeIndex？

（参见[188]：来自dateutil导入解析器）
Import datetime
datetime.datetime.strptime("15.10.2012 15:30:00 890", "%d.%m.%Y %H:%M:%S %f")

在[189]中：从StringIO导入StringIO
在[190]：data=“”\
时间戳；毫秒；价格
15.10.2012 08:00:06;350;24.6
"""
在[191]中：定义日期解析器：
返回parser.parse（s[：-4]）.replace（微秒=int（s[-3:]）*1000）
.....:
在[192]：df=pd.read_csv（StringIO（data），sep='；'，parse_dates=[[0,1]]，date_parser=date_parser）
In[193]：df
Out[193]：
时间戳价格
0  2012-10-15 08:00:06.350000   24.6
在[194]中：df.set\u index（'TIMESTAMP\u millides'，inplace=True）
Out[194]：
价格
时间戳\u毫秒
2012-10-15 08:00:06.350000   24.6
In[195]：df.index
Out[195]：
[2012-10-15 08:00:06.350000]
长度：1，频率：无，时区：无
<代码> < P>请考虑将转换器添加到熊猫代码：

另见：
您是否尝试过
.to_timestamp（）

您可以找到文档。
您可以显示csv文件的片段吗？也许你需要一个转换器。我的csv包含一个标题行，三列，列是分号delmited:TIMESTAMP；毫秒；价格：2012年10月15日08:00:06；350;24.6
In [188]: from dateutil import parser

In [189]: from StringIO import StringIO

In [190]: data = """\
TIMESTAMP;MILLISECONDS;PRICE
15.10.2012 08:00:06;350;24.6
"""

In [191]: def date_parser(s):
    return parser.parse(s[:-4]).replace(microsecond=int(s[-3:])*1000)
   .....:

In [192]: df = pd.read_csv(StringIO(data), sep=';', parse_dates=[[0, 1]], date_parser=date_parser)

In [193]: df
Out[193]:
       TIMESTAMP_MILLISECONDS  PRICE
0  2012-10-15 08:00:06.350000   24.6

In [194]: df.set_index('TIMESTAMP_MILLISECONDS', inplace=True)
Out[194]:
                            PRICE
TIMESTAMP_MILLISECONDS
2012-10-15 08:00:06.350000   24.6

In [195]: df.index
Out[195]:
<class 'pandas.tseries.index.DatetimeIndex'>
[2012-10-15 08:00:06.350000]
Length: 1, Freq: None, Timezone: None

df_trend = pd.read_csv('googletrends.csv',parse_dates=True, index_col=0)
ts_iphone = df_trend.ix['2007':'2013','iphone'].to_timestamp()