Heim  >  Artikel  >  Backend-Entwicklung  >  Wie konvertiere ich einen Datetime-Index in eine reguläre Spalte in einem Pandas DataFrame?

Wie konvertiere ich einen Datetime-Index in eine reguläre Spalte in einem Pandas DataFrame?

Patricia Arquette
Patricia ArquetteOriginal
2024-11-07 15:17:03649Durchsuche

How to Convert a Datetime Index into a Regular Column in a Pandas DataFrame?

Neue Zeitspalte zum DataFrame hinzufügen

Um Ihre Daten darzustellen, müssen Sie die Indexspalte „JJJJ-MO-“ umwandeln. DD HH-MI-SS_SSS', in eine reguläre Spalte. Um dies zu erreichen, können Sie die Funktion 'reset_index' verwenden, um den Index in eine neue Spalte zu konvertieren.

df3 = df3.reset_index()

Dadurch wird eine neue Spalte mit dem Namen „index“ in Ihrem DataFrame df3 erstellt .

Alternativ können Sie die Methode 'Kopieren und Zuweisen' verwenden, um eine neue Spalte basierend auf der vorhandenen zu erstellen Index:

df3['Time'] = df3.index

Dadurch wird eine neue Spalte mit dem Namen „Zeit“ hinzugefügt, die die Werte aus dem Index enthält.

Optimierter Code

Hier ist eine optimierte Version Ihres Codes, die das Problem behebt:

# Import CSV file
df = pd.read_csv('university2.csv', sep=";", skiprows=1, index_col='YYYY-MO-DD HH-MI-SS_SSS', parse_dates='YYYY-MO-DD HH-MI-SS_SSS')

# Extract interesting columns
df2 = df[[ 'ATMOSPHERIC PRESSURE (hPa)', 'TEMPERATURE (C)', 'magnetic_mag']].copy()

# Resample and aggregate interesting columns
df3 = df2.resample('H').agg(['mean','std'])
df3.columns = [' '.join(col) for col in df3.columns]

# Reset index to create Time column
df3.reset_index(inplace=True)

# Plot the data
plt.plot(df3['magnetic_mag mean'], df3['Time'], label='FDI')  

Dieser optimierte Code verwendet 'read_csv' mit den richtigen Optionen, um die Indexspalte festzulegen und Datumsangaben korrekt zu analysieren. Darüber hinaus nutzt es die Inplace-Funktion, um die Erstellung unnötiger Datenkopien zu vermeiden.

Das obige ist der detaillierte Inhalt vonWie konvertiere ich einen Datetime-Index in eine reguläre Spalte in einem Pandas DataFrame?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Stellungnahme:
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn