- Pandas数据分析快速上手500招(微课视频版)
- 罗帅 罗斌编著
- 320字
- 2023-07-17 18:40:20
049 读取文本文件的数据并合并日期列数据
此案例主要通过在read_csv()函数中以字典的形式设置parse_dates参数值,实现读取以空格分隔数据的文本文件,并据此在创建DataFrame时将多列数据合并成一个日期类型的新列。当在Jupyter Notebook中运行此案例代码之后,将读取文本文件(myspace.txt)的数据,并据此在创建DataFrame时把上市年列、上市月列、上市日列合并成上市日期列,上市日期列的数据类型为datetime64[ns],效果分别如图049-1和图049-2所示。

图049-1

图049-2
主要代码如下。

在上面这段代码中,pd.read_csv('myspace.txt',delim_whitespace=True,parse_dates={'上市日期':['上市年','上市月','上市日']})表示读取以空格分隔数据的文本文件(myspace.txt),并据此在创建DataFrame时将上市年列、上市月列、上市日列合并成上市日期列,parse_dates={'上市日期':['上市年','上市月','上市日']}参数表示以字典的形式设置将要合并的列和合并之后的新列。
此案例的主要源文件是MyCode\H198\H198.ipynb。