如何用不完整的数据集创建5分钟间隔的日期时间索引（Python）

Question

这是我第一次在这里发帖，希望能有所收获 :)

简单来说，我有一个CSV文件，里面包含时间序列数据。我正在用 pandas.read_csv 从这个CSV文件创建一个数据框（dataframe）。不过，它的组织方式有点麻烦，第一列是日期，第二列是每天的5分钟间隔（比如0, 5, 10, 15，一直到1435）。更复杂的是，有些天的数据不完整，也就是说，有些行缺失。因此，对于某个特定的日期，时间间隔可能是5, 10, 60, 505等等。这就意味着我不能简单地从头开始创建一个5分钟间隔的日期时间索引。

所以，我需要找到一种方法，把B列的数据和A列的日期结合起来，得到我想要的时间序列。我必须把这个结果列附加到同一个数据框中，然后用它作为索引，这样我才能计算出每小时的数据平均值。

经过很多的努力，我目前得到了这个代码，它生成了一个新的时间列表。就我所知，前面的部分是正确的。

df = pd.read_csv(myfile)

newtime = []

for r in df['Time']:
    if r // 60 < 10:
        if r % 60 < 10:
            r = "0" + str(r // 60) + ":0" + str(r % 60) + ":00"
        else:
            r = "0" + str(r // 60) + ":" + str(r % 60) + ":00"
    else:
        if r % 60 < 10:
            r = str(r // 60) + ":0" + str(r % 60) + ":00"
        else:
            r = str(r // 60) + ":" + str(r % 60) + ":00"

    newtime.append(r)

datetimes = []

for r in range(len(df['Date'])+1):
    v = str(df['Date'][r]) + newtime[r]
    datetimes.append(v)

print datetimes

但是，当我尝试把它和日期连接起来（代码的最后一部分）时，我遇到了一个很奇怪的错误（KeyError: 203591L）。奇怪的是，如果我把 v = 替换成 print 并删除那行添加语句，它就能正常工作。

我希望有人能帮我把现有的代码发展成一个解决方案（直到可以用 df.resample('1H', how={columnX: np.mean}) ），或者告诉我有没有其他方法可以完成这个任务。

非常感谢！

Seb

Answer 1

看起来你在找这个：

In [17]: df
Out[17]: 
         Date  Time
0  2014-05-01    60
1  2014-05-02   505

In [18]: pd.to_datetime(df['Date']) + pd.to_timedelta(df['Time'], unit='m')
Out[18]: 
0   2014-05-01 01:00:00
1   2014-05-02 08:25:00
dtype: datetime64[ns]