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‘)