拆分日期（格式：YYYY-MM-DD-HH-MM-SS）列为两部分

Question

我编辑了问题以说明要执行的操作。

这是数据获取：

    Date open high close low volume price_change 
0 2015-03-25 13:55:00 15.37 15.38 15.35 15.34 1121.00   -0.02 
1 2015-03-25 14:00:00 15.36 15.38 15.36 15.34 595.00   0.00 
2 2015-03-25 14:05:00 15.36 15.38 15.36 15.35 1369.01   0.00 
3 2015-03-25 14:10:00 15.36 15.40 15.40 15.36 3215.55   0.04 
4 2015-03-25 14:15:00 15.40 15.45 15.39 15.39 1563.45   -0.01 

我想日期列分成两列，一列是这种形式的“2015年3月25日”，一个是“十三点55分00秒”。

Answer 1

我可以建议以下...代码的键位是在最后两行...代码的其余部分是重新创建数据框...

# load your data 
from StringIO import StringIO # import from io for python 3 
data = """  Date, open, high, close, low, volume, price_change 
2015-03-25 13:55:00, 15.37, 15.38, 15.35, 15.34, 1121.00,   -0.02 
2015-03-25 14:00:00, 15.36, 15.38, 15.36, 15.34, 595.00,   0.00 
2015-03-25 14:05:00, 15.36, 15.38, 15.36, 15.35, 1369.01,   0.00 
2015-03-25 14:10:00, 15.36, 15.40, 15.40, 15.36, 3215.55,   0.04 
2015-03-25 14:15:00, 15.40, 15.45, 15.39, 15.39, 1563.45,   -0.01""" 
df = pd.read_csv(StringIO(data), header=0, index_col=None, skipinitialspace=True) 
df.Date = pd.to_datetime(df.Date) 

# now let's create the date and time columns you want 
df['date_only'] = [x.date() for x in df['Date']] 
df['time_only'] = [x.time() for x in df['Date']] 

输出这给我如下...

In [8]: df 
Out[8]: 
       Date open high close low volume price_change \ 
0 2015-03-25 13:55:00 15.37 15.38 15.35 15.34 1121.00   -0.02 
1 2015-03-25 14:00:00 15.36 15.38 15.36 15.34 595.00   0.00 
2 2015-03-25 14:05:00 15.36 15.38 15.36 15.35 1369.01   0.00 
3 2015-03-25 14:10:00 15.36 15.40 15.40 15.36 3215.55   0.04 
4 2015-03-25 14:15:00 15.40 15.45 15.39 15.39 1563.45   -0.01 

    date_only time_only 
0 2015-03-25 13:55:00 
1 2015-03-25 14:00:00 
2 2015-03-25 14:05:00 
3 2015-03-25 14:10:00 
4 2015-03-25 14:15:00 

这是值得注意的是，不同类型的数据创建。

In [62]: type(df.date_only[0]) 
Out[62]: datetime.date 

In [63]: type(df.time_only[0]) 
Out[63]: datetime.time 

In [64]: type(df.Date[0]) 
Out[64]: pandas.tslib.Timestamp 

In [65]: df.info() 
<class 'pandas.core.frame.DataFrame'> 
Int64Index: 5 entries, 0 to 4 
Data columns (total 9 columns): 
Date   5 non-null datetime64[ns] 
open   5 non-null float64 
high   5 non-null float64 
close   5 non-null float64 
low    5 non-null float64 
volume   5 non-null float64 
price_change 5 non-null float64 
date_only  5 non-null object 
time_only  5 non-null object 
dtypes: datetime64[ns](1), float64(6), object(2) 
memory usage: 400.0+ bytes 

上述以外的所有，你也许能达到你想用datetime64 [NS]对象（上述日期列）的系列新.DT访问属性是什么。这是在熊猫0.15.0中引入的。它允许您执行诸如df.Date.dt.year之类的操作，以从datetime64 [ns]对象中获取年份。还有月，日，时，分，秒等。