Python Pandas read_csv未将ISO8601识别为日期时间数据类型

目前，我正在使用pandas将csv文件读入

数据帧

，使用第一列作为索引。第一列为ISO 8601格式，因此根据的文档，应将其识别为日期时间：

In [1]: import pandas as pd

In [2]: df = pd.read_csv('data.csv', index_col=0)

In [3]: print df.head()
                        U     V     Z    Ubar    Udir
2014-11-01 00:00:00  0.73 -0.81  0.46  1.0904  317.97
2014-11-01 01:00:00  1.26 -1.50  0.32  1.9590  319.97
2014-11-01 02:00:00  1.50 -1.80  0.13  2.3431  320.19
2014-11-01 03:00:00  1.39 -1.65  0.03  2.1575  319.89
2014-11-01 04:00:00  0.94 -1.08 -0.03  1.4318  318.96

但是，当查询索引数据类型时，它返回“object”：

In [4]: print df.index.dtype
object

然后，我必须手动将其转换为datetime数据类型：

In [5]: df.index = pd.to_datetime(df.index)

In [6]: print df.index.dtype
datetime64[ns]

---

调用

read\u csv（）

时，有没有办法自动将索引设置为datetime dtype？

我刚刚为csv文件中的第一列添加了列名

                 Date     U     V     Z    Ubar    Udir
0  2014-11-01 00:00:00  0.73 -0.81  0.46  1.0904  317.97
1  2014-11-01 01:00:00  1.26 -1.50  0.32  1.9590  319.97
2  2014-11-01 02:00:00  1.50 -1.80  0.13  2.3431  320.19
3  2014-11-01 03:00:00  1.39 -1.65  0.03  2.1575  319.89
4  2014-11-01 04:00:00  0.94 -1.08 -0.03  1.4318  318.96

df = pd.read_csv(input_file)
df.index = pd.to_datetime(df['Date'], format='%Y-%m-%d %H:%M:%S')

如果要删除日期列，可以使用

df = df.drop('Date', 1)

文档描述了parse_dates参数：

解析日期：布尔值或整数或名称列表或列表或dict列表，默认为False
-布尔型。如果为True->尝试解析索引
-整数或名称的列表。e、 g.如果[1,2,3]->尝试将列1,2,3解析为单独的日期列
-清单清单。e、 g.如果[[1,3]]->组合第1列和第3列并按如下方式进行分析 一个日期列
-dict，例如，{'foo'：[1,3]}->将第1,3列解析为日期并调用结果'foo'
注意：iso8601格式的日期存在快速路径

由于要分析索引，可以使用：

 import pandas as pd
 df = pd.read_csv('data.csv', index_col=0, parse_dates=True)

---

您没有告诉它将列解析为datetime

df=pd.read\u csv（'data.csv'，parse\u dates=0，index\u col=0）

是的，这就成功了！由于某种原因，当我阅读

read_csv

文档时，我认为

parse_dates

默认为

True

，可能是因为阅读：“If True->try parse the index”我总是发现

read_csv

文档的这一方面模棱两可，可能不正确，我总是必须传递整数索引，注意：如果要分析多个列，如：

parse_dates=[0,3,4]

和嵌套列表，如果要将多个列作为单个datetime列进行分析：

parse_dates=[[0,1]]

。所以我注意到设置

parse_dates=True

不起作用，所以我总是为列indexYeah传递一个列表或单个int，我以前在组合多个列时使用过

parse_dates

和

date_parser

。嗯，这很奇怪，

parse_dates=True

在我当前的设置（Python2.7.8 x64，pandas 0.15.1）下似乎工作得很好奇怪，但在Python3.3.5 64位，pandas 0.15.1上使用您的数据仍然失败