Python 使用pandas将csv文件中的数据读入时间序列

我的目标是将EURUSD（每日）读入一个时间序列对象，在这个对象中，我可以根据不规则的时间框架轻松地对信息进行切片、骰子、聚合和重采样。这很可能是一个简单的答案。我正在使用Python进行数据分析，但似乎无法弥合这一差距

下载并解压缩后，我运行以下代码：

>>> import pandas as pd
>>> df = pd.read_csv('EURUSD_day.csv', parse_dates = {'Timestamp' : ['<DATE>', '<TIME>']}, index_col = 'Timestamp')

但是，这不起作用

阅读本文告诉我可以导入时间戳：

>>> from pandas.lib import Timestamp
>>> s = df['<CLOSE>']

然而，下面的代码为我所期望的2001年所有数据范围生成了一个值

>>> df['2001']

>>> s[Timestamp('2001')]
0.8959

我知道我错过了一些简单的东西，一些基本的东西。有人能帮忙吗

谢谢,，

---

Brian

第295页上的示例是在Series对象上执行的，这就是使用年份索引的原因。对于数据帧，您希望

df.ix['2001']

获得相同的结果。

如果希望获得所有列，则

df.ix['2001']

---

如果您只对“关闭”感兴趣，因为您已经完成了

s=df[''']

，您可以通过

s['2001']

获得2001年的值，谢谢！！！您的答案对于数据帧非常有效。如何将数据导入到序列对象中？序列是一个简单的一维数组状对象。它有一个索引和与每个索引关联的值。数据帧由多个系列对象组成（每列都是一个系列）。因此，要从数据帧中获取序列，您可以选择任何单个列，如

df[“column Name”]

，结果将是一个序列。或者要按索引访问该列中的值，请尝试

df[“column Name”]['2001']

。谢谢，先生。我知道我错过了一些基本的东西，而你做到了。我不能告诉你，我多么欣赏你的简洁明了的解释。布瑞恩：你不需要对任何答案进行投票（点击向上的箭头），但是既然这个答案和相关的评论帮助了你很多，你应该考虑一下投票，这样社区将来就更有可能信任这个用户。

>>> s[Timestamp('2001')]
0.8959