Python 如何使用pandas.read\u csv将非字符串列解析为datetime

我的问题是：我有一个

.csv

文件，如下所示：

TS,secs,degC,Pa,V,V,V,V,V,degC,%
2019-08-29 15:29:02.000,0.000,23.21,97707.95,2.37942,4.06958,1.16183,2.06545,2.16861,22.70,53.70,
2019-08-29 15:29:04.000,2.001,23.22,98000.81,2.30359,4.04178,1.15457,2.06375,2.16660,22.70,54.00,

我想做的是将第一列

TS

解析为datetime，但在我的

.csv

文件中，第一列不是字符串。我尝试的代码如下：

DATA = pd.read_csv('file.csv',sep=',',parse_dates=[0])

但我得到的错误是：

TypeError: 'NoneType' object has no attribute '__getitem__'

有没有办法使用pandas.read\u csv将不带

“

的列解析为日期时间？我也对其他方法持开放态度，但最终的结果应该是一个pandas数据框架，第一列为datetime格式

---

提前感谢您。

只需更改输入数据就可以了 （删除结尾处的逗号。）

数据：

如下所述：

df=pd.read_csv('file.csv', parse_dates=['TS'])

和

df.dtypes

提供所需的输出

TS        datetime64[ns]
secs             float64
degC             float64
Pa               float64
V                float64
V.1              float64
V.2              float64
V.3              float64
V.4              float64
degC.1           float64
%                float64
dtype: object

---

只需更改输入数据即可按预期工作 （删除结尾处的逗号。）

数据：

如下所述：

df=pd.read_csv('file.csv', parse_dates=['TS'])

和

df.dtypes

提供所需的输出

TS        datetime64[ns]
secs             float64
degC             float64
Pa               float64
V                float64
V.1              float64
V.2              float64
V.3              float64
V.4              float64
degC.1           float64
%                float64
dtype: object

---

这里的问题是，包含日期内容的第一列被解析为索引列。为了以datetime格式解析它，您需要执行以下操作：

DATA = pd.read_csv('file.csv', sep=',')
DATA.index = pd.to_datetime(DATA.index)

然后，索引列将采用日期时间格式：

DATA.index
DatetimeIndex(['2019-08-29 15:29:02', '2019-08-29 15:29:04'], dtype = 'datetime64[ns]', freq=None)

---

这里的问题是，包含日期内容的第一列被解析为索引列。为了以datetime格式解析它，您需要执行以下操作：

DATA = pd.read_csv('file.csv', sep=',')
DATA.index = pd.to_datetime(DATA.index)

然后，索引列将采用日期时间格式：

DATA.index
DatetimeIndex(['2019-08-29 15:29:02', '2019-08-29 15:29:04'], dtype = 'datetime64[ns]', freq=None)