前言

有一个CSV文件test.csv，其中有一列是datetime类型，其他列是数值列，就像下边这样：

 

问题

1、读取该CSV文件，把datetime列转换为datetime类型，并将它设置为索引列；

2、筛选时间在15:58到16:03之间的行。

解决

①导入相关模块；

import pandas as pd

②读取test.csv；

data=pd.read_csv('test.csv',encoding='GBK',names=['DT','Changes'],header=0)

结果

data
                 DT   Changes
0   2021/5/22 15:58 -1041.690
1   2021/5/22 15:59 -1041.770
2   2021/5/22 16:01 -1041.050
...
15  2021/5/22 16:20  -997.787
16  2021/5/22 16:22  -994.114
17  2021/5/22 16:23 -1007.710

在看data各列的类型：

data.dtypes
DT          object
Changes    float64
dtype: object

可见我们的datetime数据读进来之后就变成了object类型，而不是datetime类型

③将DT列由Object类型转化为datetime类型；

data = data.assign( DT=pd.to_datetime(data['DT'] )))

这里用到了两个函数assign()与to_datetime()：

assign()：插入新列，如果新旧列名相同，会覆盖旧列；

to_datetime()：把Series转换为datetime类型。

所以上述代码的意思就是：把data的'DT'列转化为datetime类型，把转换后的DT列覆盖原来的DT列。

如果想看这两个函数的具体用法，可以看：

Python：pandas（三）——DataFrame - ShineLe - 博客园

Python：pandas（二）——pandas函数 - ShineLe - 博客园

④把DT列设置为Index列；

data = data.set_index('DT')

结果

data.set_index('DT')
                      Changes
DT                           
2021-05-22 15:58:00 -1041.690
2021-05-22 15:59:00 -1041.770
2021-05-22 16:01:00 -1041.050
...
2021-05-22 16:20:00  -997.787
2021-05-22 16:22:00  -994.114
2021-05-22 16:23:00 -1007.710

类型

data.dtypes
DT         datetime64[ns]
Changes           float64
dtype: object

转换完成！

⑤筛选时间在15:58到16:03之间的行。

data_choose=data.between_time('15:58','16:03')

结果

                     Changes
DT                          
2021-05-22 15:58:00 -1041.69
2021-05-22 15:59:00 -1041.77
2021-05-22 16:01:00 -1041.05
2021-05-22 16:02:00 -1041.49

前边之所以做那么多，就是为了最后的筛选，由于between_time只能对index为datetime类型的数据进行筛选，所以前边要把datetime变成index列。

关于between_time，可以参考Python：pandas（三）——DataFrame - ShineLe - 博客园

 

完整代码

import pandas as pd

data = pd.read_csv('test.csv', encoding='GBK', names=['DT', 'Changes'], header=0)
data = data.assign(DT=pd.to_datetime(data['DT']))
data = data.set_index('DT')
data_choose = data.between_time('15:58', '16:03')