python中的日期/时间多行转换问题

我正在玩一个计数程序，它允许我将数据导出到csv。我遇到的问题是，数据是以一种我不知道如何转换为正常日期时间格式的格式提供的，以便进行分析

使用pandas的read_csv加载后，输入文件以以下形式提供数据：

index   data            count 
1       11/15/20        nan   
2       16:43:23.2411   1     
3       11/14/20        nan   
4       18:53:33.124    1     
5       4:33:12.451     -1    
6       1:18:53.121     1    

有人能帮我将数据重新安排为更传统的日期时间格式吗，例如：

index   datetime                     count 
1       11/15/20 16:43:23.2411       1   
2       11/14/20 18:53:33.124        1
3       11/14/20 4:33:12.451         -1
4       11/14/20 1:18:53.121         1

我发现唯一有帮助的是pandas unstack函数，但它并没有按预期工作

data_timestamps = pd.read_csv("load_datetime.csv") 
t = data_timestamps.unstack(level=0) 

---

也许我没有正确地使用它。尽管如此，关于如何最好地转换它的任何想法？

设置作业，请注意，

count

是一个函数，因此避免使用该名称是一件好事

import pandas as pd
import numpy as np
datain = { 'index' : [1,2,3,4,5,6], 'data': ['11/15/20', '16:43:23.2411', '11/14/20 ', '18:53:33.124', '4:33:12.451', '1:18:53.121'], 'value' : [np.nan, 1,np.nan, 1 , -1,1]}
df = pd.DataFrame(datain)

这给了我们

    index   data            value
0   1       11/15/20        NaN
1   2       16:43:23.2411   1.0
2   3       11/14/20        NaN
3   4       18:53:33.124    1.0
4   5       4:33:12.451     -1.0
5   6       1:18:53.121     1.0

做这项工作

df['date'] = np.where(df['value'].shift(1).isna(), df.data.shift(1), None)
df['date'] = df['date'].ffill()
df= df[~(df['value'].isna())]

因此，当Nan occours运行时，用数据的上一个值填充这些值 然后填写日期 然后删除所有值为NaN的行 给我们

        index   data            value   date
1       2       16:43:23.2411   1.0     11/15/20
3       4       18:53:33.124    1.0     11/14/20
4       5       4:33:12.451     -1.0    11/14/20
5       6       1:18:53.121     1.0     11/14/20

您所需要做的就是将日期和数据结合起来，并将其设置为日期时间