Python 如何合并两个数据帧列并对其应用pandas.to_datetime？

我正在学习使用熊猫，用它进行一些数据分析。数据以csv文件的形式提供，有几个列，其中我只需要使用4（日期、时间、o、c）。我想创建一个新的DataFrame，它使用一个DateTime64数字作为索引，这个数字是通过合并前两列创建的，在合并的字符串上应用pd.to_datetime

我的加载程序代码工作正常：

st = pd.read_csv("C:/Data/stockname.txt", names=["date","time","o","h","l","c","vol"])

挑战在于将加载的数据帧转换为具有正确格式的新数据帧。下面的代码可以工作，但速度非常慢。此外，它只使用新的datetime64格式生成一列，而不将其作为索引

我的代码

st_new = pd.concat([pd.to_datetime(st.date + " " + st.time), (st.o + st.c) / 2, st.vol], 
     axis = 1, ignore_index=True)

合并两个列并将函数应用到结果中，哪种方式更像python？

---

如何使新列成为数据帧的索引？

至于加载数据，我认为您已经做到了。要设置索引，请执行以下操作：

st_new = pd.concat([(st.o + st.c) / 2, st.vol], axis=1, ignore_index=True)
st_new.set_index(pd.to_datetime(st.date + " " + st.time), drop=True, inplace=True)

---

以下是。

您可以在

读取\u csv

功能中执行的所有操作：

pd.read_csv('test.csv',
            parse_dates={'timestamp': ['date','time']},
            index_col='timestamp',
            usecols=['date', 'time', 'o', 'c'])

parse_dates

告诉

read_csv

函数将

date

和

time

列组合成一个

timestamp

列，并将其作为时间戳进行解析。（熊猫足够聪明，知道如何以各种格式解析日期）

index\u col

将

时间戳

列设置为索引

---

usecols

告诉

read\u csv

函数只选择列的子集。

我认为

usecols应该是['date'，'time'，'o'，'h'，'l'，'c'，'vol]

？他说：其中我只需要使用4（date，time，o，c），所以我只选择了它们。+1我不知道

解析日期@杰夫是新来的吗？@ViktorKerkez谢谢，这很有道理。还有一个细节，应用一个函数并将列合并到一个新的dn中的挑战，不确定您想要什么，问题还没有结束？