假設目前已經引入了 pandas，同時也擁有 pandas 的 DataFrame 類型數據。

import pandas as pd

數據集如下

df.head(3)

date open close high low volume code

0 2006-12-18 3.905 3.886 3.943 3.867 171180.67 600001

1 2006-12-19 3.886 3.924 3.981 3.867 276799.39 600001

2 2006-12-20 3.934 3.934 3.962 3.809 265653.85 600001

查看每一列的類型

df.info()

從結果的第四排可以看見 date 這一列類型是"object"，即字符類型。

RangeIndex: 640 entries, 0 to 639

Data columns (total 7 columns):

date 640 non-null object

open 640 non-null float64

close 640 non-null float64

high 640 non-null float64

low 640 non-null float64

volume 640 non-null float64

code 640 non-null object

dtypes: float64(5), object(2)

memory usage: 35.1+ KB

現在的目標是：

把 date 這一列用作索引

把 date 用作索引時，類型需要是 DatetimeIndex。

方法1： .to_datetime 和 .set_index

首先，利用 pandas 的to_datetime 方法，把 "date" 列的字符類型數據解析成 datetime 對象。

然后，把 "date" 列用作索引。

df['date'] = pd.to_datetime(df['date'])

df.set_index("date", inplace=True)

結果：

df.head(3)

open close high low volume code

date

2006-12-18 3.905 3.886 3.943 3.867 171180.67 600001

2006-12-19 3.886 3.924 3.981 3.867 276799.39 600001

2006-12-20 3.934 3.934 3.962 3.809 265653.85 600001

查看索引是否成為 DatetimeIndex 類型，可以看見確實已經成功轉化類型。

df.axes

[DatetimeIndex(['2006-12-18', '2006-12-19', '2006-12-20', '2006-12-21',

'2006-12-22', '2006-12-25', '2006-12-26', '2006-12-27',

'2006-12-28', '2006-12-29',

...

'2009-12-02', '2009-12-03', '2009-12-04', '2009-12-07',

'2009-12-08', '2009-12-09', '2009-12-10', '2009-12-11',

'2009-12-14', '2009-12-15'],

dtype='datetime64[ns]', name='date', length=640, freq=None),

Index(['open', 'close', 'high', 'low', 'volume', 'code'], dtype='object')]

方法2： .DatetimeIndex

首先是原始數據。

df2.head(3)

date open close high low volume code

0 2003-08-01 4.997 4.949 5.016 4.949 20709.15 600002

1 2003-08-04 4.949 5.045 5.054 4.949 23923.35 600002

2 2003-08-05 5.054 5.093 5.131 5.006 35224.00 600002

先把 "date" 列用作索引，然后使用 DatetimeIndex 將字符類型轉化成 DateIndex。

df2.set_index("date", inplace=True)

這個時候索引還是 object 類型，就是字符串類型。

df2.axes

[Index(['2003-08-01', '2003-08-04', '2003-08-05', '2003-08-06', '2003-08-07',

'2003-08-08', '2003-08-11', '2003-08-12', '2003-08-13', '2003-08-14',

...

'2006-03-24', '2006-03-27', '2006-03-28', '2006-03-29', '2006-03-30',

'2006-03-31', '2006-04-03', '2006-04-04', '2006-04-05', '2006-04-06'],

dtype='object', name='date', length=640),

Index(['open', 'close', 'high', 'low', 'volume', 'code'], dtype='object')]

將其轉化成 DateIndex 類型。

df2.index = pd.DatetimeIndex(df.index)

再次查看結果

df2.axes

轉化成功

[DatetimeIndex(['2006-12-18', '2006-12-19', '2006-12-20', '2006-12-21',

'2006-12-22', '2006-12-25', '2006-12-26', '2006-12-27',

'2006-12-28', '2006-12-29',

...

'2009-12-02', '2009-12-03', '2009-12-04', '2009-12-07',

'2009-12-08', '2009-12-09', '2009-12-10', '2009-12-11',

'2009-12-14', '2009-12-15'],

dtype='datetime64[ns]', name='date', length=640, freq=None),

Index(['open', 'close', 'high', 'low', 'volume', 'code'], dtype='object')]

結論：.to_datetime僅轉換格式，.DatetimeIndex還能設置為索引

兩者在轉化格式的功能上效果一樣，都可以把字符串對象轉換成 datetime 對象。

pd.DatetimeIndex 是把某一列進行轉換，同時把該列的數據設置為索引 index。

比如

df2.index = pd.DatetimeIndex(df2["date"])

得到一個以 date 作為索引的結果。

.DatetimeIndex 的問題是原來的 date 列數據仍然存在，形成了重復。

date open close high low volume code

date

2003-08-01 2003-08-01 4.997 4.949 5.016 4.949 20709.15 600002

2003-08-04 2003-08-04 4.949 5.045 5.054 4.949 23923.35 600002

2003-08-05 2003-08-05 5.054 5.093 5.131 5.006 35224.00 600002

最終還需要把 date 這一列刪掉。

del df2["date"]

才能得到正常數據

open close high low volume code

date

2003-08-01 4.997 4.949 5.016 4.949 20709.15 600002

2003-08-04 4.949 5.045 5.054 4.949 23923.35 600002

2003-08-05 5.054 5.093 5.131 5.006 35224.00 600002

總結

以上是生活随笔為你收集整理的pandas 如何把时间转成index_pandas将字段中的字符类型转化为时间类型，并设置为索引...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。