使用“”拆分列并删除其中一个新列

Question

我有这样一个csv文件：

"NoDemande;"NoUsager";"Sens";"IdVehicule";"NoConducteur";"NoAdresse";"Fait";"aPaye";"MethodePaiement";"ArgentPercu";"HeurePrevue";"HeureDebutTrajet";"HeureArriveeSurSite";"HeureEffective"
    0003;"2021";"+";"157Véh";"0002";"5712";"1";"";"";"";"07/07/2015 06:30:04";"07/07/2015 06:15:48";"07/07/2015 06:32:14";"07/07/2015 06:32:23"
    0265;"0496";"+";"161Véh";"0035";"04075";"1";"";"";"";"07/07/2015 06:35:04";"07/07/2015 05:09:55";"07/07/2015 06:36:18";"07/07/2015 06:36:27"
    0004;"2208";"+";"157Véh";"0002";"5713";"1";"";"";"";"07/07/2015 06:45:04";"07/07/2015 06:32:23";"07/07/2015 06:40:05";"07/07/2015 06:40:10"

我想做的是：

1. 将一些列拆分，将带有“Date”和“Time”的列分成两列。你知道吗
2. 只保存“Date”的一列并删除其他列。你知道吗

我试着这样：

#coding=latin-1

import pandas as pd
import glob

pd.set_option('expand_frame_repr', False)

path = r'D:\Python27\mypfe\data_test'
allFiles = glob.glob(path + "/*.csv")
frame = pd.DataFrame()
list_ = []
for file_ in allFiles:
    df = pd.read_csv(file_,index_col=None,header=0,sep=';')
    s1 = df['HeurePrevue'].apply(lambda x: x.split(' '))
    df['Date'] = s1.apply(lambda x: x[0])
    df['HeurePrevue'] = s1.apply(lambda x: x[1])

frame = pd.concat(list_)

print frame

它只对一列起作用，但当我想对第二列起作用时，它就不起作用了。我该怎么做才能使它在保存其他列的同时对我的所有列都起作用呢？你知道吗

Answer 1

import io
import pandas as pd

raw_df = io.StringIO("""\
HeurePrevue           HeureDebutTrajet    HeureArriveeSurSite     HeureEffective
06/07/2015 05:30:04  06/07/2015 16:54:31  06/07/2015 16:54:35  06/07/2015 16:54:38
06/07/2015 06:10:04  06/07/2015 05:38:39  06/07/2015 06:29:51  06/07/2015 06:30:06
06/07/2015 06:10:04  06/07/2015 05:38:39  06/07/2015 06:29:51  06/07/2015 06:30:06
""")
df = pd.read_csv(raw_df, index_col=None, skiprows=1, header=None,
                 delim_whitespace=True)

df = df[[0, 1, 3, 5, 7]]
df.columns = ['Date', 'HeurePrevue', 'HeureDebutTrajet', 'HeureArriveeSurSite',
              'HeureEffective']

输出：

         Date HeurePrevue HeureDebutTrajet HeureArriveeSurSite HeureEffective
0  06/07/2015    05:30:04         16:54:31            16:54:35       16:54:38
1  06/07/2015    06:10:04         05:38:39            06:29:51       06:30:06
2  06/07/2015    06:10:04         05:38:39            06:29:51       06:30:06