2024-09-26 18:12:48 发布
网友
我正在导入一个CSV的宏观经济数据,但还没弄明白如何让熊猫来解释这种类型的日期。有没有一种方法可以自动完成,或者我需要自己解析它?在
当我要求解析器尝试时,我得到:
File "datetime.pxd", line 133, in datetime._string_to_dts (pandas/tslib.c:31399)ValueError: Unable to parse 2002Q1
这里有一些东西可以帮助那些在不同的专栏中有年份和季度的人:
year quarter foo 1994 q1 10 1994 q3 20 1995 q1 30 1995 q3 40
read_csv的parse_dates参数可以正常工作。非常酷:
read_csv
parse_dates
由于pd.Period可以解析季度期间,因此可以将其用作自定义的date_parser。然后,要将日期转换为季度的最后一天,可以使用map和end_time属性:
pd.Period
date_parser
map
end_time
import pandas as pd text = '''\ date val 2013Q2 100 2013Q3 120 ''' filename = '/tmp/data' with open(filename, 'w') as f: f.write(text) df = pd.read_table(filename, sep='\s+', date_parser=pd.Period, parse_dates=[0]) df['date'] = df['date'].map(lambda x: x.end_time.date()) print(df) # date val # 0 2013-06-30 100 # 1 2013-09-30 120
它对各种业务日期/时间和频率都有很好的支持。但是您可能需要自己解析这个特定的格式。在
这里有一些东西可以帮助那些在不同的专栏中有年份和季度的人:
^{pr2}$read_csv
的parse_dates
参数可以正常工作。非常酷:由于
pd.Period
可以解析季度期间,因此可以将其用作自定义的date_parser
。然后,要将日期转换为季度的最后一天,可以使用map
和end_time
属性:它对各种业务日期/时间和频率都有很好的支持。但是您可能需要自己解析这个特定的格式。在
相关问题 更多 >
编程相关推荐