Python pandas.to_datetime：选择哪种格式？

我有这样一个.csv文件：

“日期”、“时间”、“打开”、“高”、“低”、“关闭”、“音量”
12/30/2002,0930,0.94,0.94,0.94,0.94,571466

我想用pandas.to_datetime模块转换“Time”列值，但找不到正确的格式，因为小时和分钟之间没有分隔符

---

有人能帮我吗？

这应该行得通，但我不确定是否有更好的方法：

from StringIO import StringIO

fh = StringIO('''"Date","Time","Open","High","Low","Close","Volume"
12/30/2002,0930,0.94,0.94,0.94,0.94,571466''')

df = pd.read_csv(fh, dtype={'Time':object})
df['Timestamp'] = pd.to_datetime(df['Date'] + ' ' + df['Time'])

print df

输出：

         Date  Time  Open  High   Low  Close  Volume           Timestamp
0  12/30/2002  0930  0.94  0.94  0.94   0.94  571466 2002-12-30 09:30:00

---

通过指定日期的格式，可以告诉pandas没有分隔符<代码>%H%M告诉python您有一个没有分隔符的时间。例如，如果您有一个分隔符

：

，那么您将使用

格式=“%H:%M”

假设您已经加载了所有内容，并且您的数据帧作为

df

加载

from pandas import pandas

# file loading and such

asset['Date'] = pandas.to_datetime(asset['Date'])
asset['Time'] = pandas.DatetimeIndex(pandas.to_datetime(asset['Time'], format = '%H%M')).time

我会给你

        Date      Time  Open  High   Low  Close  Volume
0 2002-12-30  09:30:00  0.94  0.94  0.94   0.94  571466

         Date      Time  Open  High   Low  Close  Volume
0  12/30/2002  09:30:00  0.94  0.94  0.94   0.94  571466 

对于Python 3人：

df['Time'] =  pd.to_datetime(df['Time'], format='%H%M').dt.time

我会给你

        Date      Time  Open  High   Low  Close  Volume
0 2002-12-30  09:30:00  0.94  0.94  0.94   0.94  571466

         Date      Time  Open  High   Low  Close  Volume
0  12/30/2002  09:30:00  0.94  0.94  0.94   0.94  571466 

---

通过将列表列表传递给

parse_dates

param，可以将要解析的列列表作为完整的

datetime

传递：

In [6]:
import io
import pandas as pd
t='''"Date","Time","Open","High","Low","Close","Volume"
12/30/2002,0930,0.94,0.94,0.94,0.94,571466'''
df = pd.read_csv(io.StringIO(t), parse_dates=[['Date','Time']], keep_date_col=True)
df

Out[6]:
            Date_Time        Date  Time  Open  High   Low  Close  Volume
0 2002-12-30 09:30:00  12/30/2002  0930  0.94  0.94  0.94   0.94  571466

您可以看到

d类型与预期的一样：

In [7]:    
df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1 entries, 0 to 0
Data columns (total 8 columns):
Date_Time    1 non-null datetime64[ns]
Date         1 non-null object
Time         1 non-null object
Open         1 non-null float64
High         1 non-null float64
Low          1 non-null float64
Close        1 non-null float64
Volume       1 non-null int64
dtypes: datetime64[ns](1), float64(4), int64(1), object(2)
memory usage: 144.0+ bytes

[7]中的

df.info（）
范围索引：1个条目，0到0
数据列（共8列）：
日期\时间1非空datetime64[ns]
日期1非空对象
时间1非空对象
打开1个非空浮点64
高1非空浮点64
低1非空浮点64
关闭1个非空浮点64
卷1非空int64
数据类型：datetime64[ns]（1）、float64（4）、int64（1）、object（2）
内存使用：144.0+字节
您可能应该提及您已经尝试过的内容。包括代码。这是一个可以通过阅读适当的documentation@goncalopp我阅读了所有可用格式的文档，但找不到合适的格式，因为我的数据没有小时和分钟的分隔符。我试图用pandas.to_datetime模块转换它，但没有指定任何格式，但它自动将一个通用日期与一个完全错误的时间放在一起。你抢先回答了我——我做了几乎完全相同的事情，我不明白。您正在使用字符串创建数据帧，但对我来说，“Date”是一个包含数千个值（行）的数组（列）。如何在fh中放置数组而不是字符串？@ilpomo，我的
fh
将替换我没有的csv输入文件。您只需执行
df=pd.read_csv（'/path/to/your/csvfile'，dtype={'Time'：object}）
，…哦，谢谢！为什么要使用dtype={'Time'：object}？我必须为每一列指定数据类型吗？如果不是，则
time
将是
int
类型（推断），而
0930
将成为
930
。我的代码有点不同。>数据加载资产=pandas.DataFrame（pandas.read_csv（'file_path/%s'%symbol，sep='，'，'decimal='））>列转换资产['Date']=pandas.to_日期时间（资产['Date']）资产['Time']=pandas.to_日期时间（资产['Time']，格式='%H%M'）为什么在末尾使用.dt时间？如果复制您的代码，Spyder IDE将返回错误“'Series'对象没有'datetime'属性”。无论如何，您的代码仍然将通用日期应用于我的“时间”列（1900-01-01 09:30:00）。啊！我已经为您提供了Python3解决方案。我将.dt.time放在末尾，以便只占用时间，而不在“时间”列中添加一般日期。你能改为使用asset['Time']=pandas.DatetimeIndex（pandas.to_datetime（asset['Time']，格式='%H%M'））.Time吗？我已经更新了我的解决方案，使之同时具有两个python版本的解决方案。