使用pandas/python从导入的CSV中拾取日期

我有一个包含每日数据的.csv文件，如下所示：

some 19 more header rows
Werte
01.01.1971 07:00:00   ;     0.0
02.01.1971 07:00:00   ;     1.2
...and so on

我用以下方式导入：

RainD=pd.read_csv('filename.csv',skiprows=20,sep=';',dayfirst=True,parse_dates=True)

结果，我得到了

In [416]: RainD
Out[416]: 
<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 14976 entries, 1971-01-01 07:00:00 to 2012-01-01 07:00:00
Data columns:
Werte:    14976  non-null values
dtypes: object(1)

[416]中的

：RainD
出[416]：
日期时间索引：14976条记录，1971-01-01 07:00:00至2012-01-01 07:00:00
数据列：
Werte:14976个非空值
数据类型：对象（1）

所以这是一个数据帧，但也许Timeseries是正确的方法？但我如何将其导入？熊猫文档在

read\u csv

中列出了一个

dtype

选项，但没有关于我可以/应该指定什么的信息

但另一方面，

DatetimeIndex:

在我看来，熊猫非常清楚我在这里处理日期，但它仍然是一个数据帧。对于这一点，类似于

RainD['1971']

的东西只会导致

u'no item named 1971'

Key错误

我有一种感觉，我只是错过了一些非常明显的东西，因为时间序列分析似乎是熊猫的目的

我的另一个第一个想法是，熊猫可能会因为日期是用正确的方式（即dd.mm.yyyy；）写的而感到困惑，但是一个

RainD.head（）

告诉我我可以很好地消化它

问候

---

JC

EdChum的

df[df.index.year==1971]

解决了我的问题

---

我可能还有一些其他问题（即熊猫的过时版本），但现在我可以继续工作。

索引选择失败的原因是，您试图访问的索引标签或列中的字符串

'1971'

无效，如果您想过滤df以查找年份为

1971

的索引值，那么以下操作将起作用：

df[df.index.year==1971]

，您可能会将索引语义与完全不同的a混淆，我仍然混淆了很多事情；）…但是现在，

df[df.index.year==1971]

确实大大减少了我的困惑！谢谢但是在我考虑这个问题之前，也许还有另外一件事：那么，在这种情况下，数据流和时间序列的区别是什么呢？或者问另一个问题：这是正确的方法吗，或者说是一个粗糙的黑客，很快就会导致我遇到其他问题？我的评论回答了你的问题吗？你得到了一个数据帧，因为

read\u csv

总是返回一个数据帧。如果你想把它作为一个系列，你可以选择一列，上面有

RainD['Werte']

（顺便说一句，TimeSeries不是什么特别的东西，它只是一个（不再使用）带有DatetimeIndex的系列的别名）。你应该接受你自己的答案，这样这篇文章的状态就是“已回答”，分数线下面会有一个空的记号，我可以，但我必须等两天。