使用pandas从csv文件读取时间序列数据

Question

我的目标是将EURUSD的数据（每日数据）读入一个时间序列对象，这样我就可以轻松地对数据进行切片、汇总和重新采样，基于不太规则的时间框架。这可能是个简单的问题。我正在使用Python进行数据分析，但似乎无法解决这个问题。

在下载并解压缩数据后，我运行了以下代码：

>>> import pandas as pd
>>> df = pd.read_csv('EURUSD_day.csv', parse_dates = {'Timestamp' : ['<DATE>', '<TIME>']}, index_col = 'Timestamp')

到目前为止一切顺利。我现在有一个漂亮的数据框，时间戳作为索引。

然而，书中提到（第295页）我应该能够像下面这样对数据进行子集选择，以查看2001年的所有数据。

>>> df['2001']

但是，这个方法不奏效。

阅读这个问题和答案告诉我，我可以导入时间戳：

>>> from pandas.lib import Timestamp
>>> s = df['<CLOSE>']

这似乎对某一天的数据有效：

>>> s[Timestamp('2001-01-04)]
0.9506999999

然而，以下代码却只返回了我想要的2001年所有数据的一个值。

>>> s[Timestamp('2001')]
0.8959

我知道我缺少了一些简单的东西，一些基本的东西。有人能帮忙吗？

谢谢，
布莱恩

Answer 1

如果你想获取所有的列，可以使用 df.ix['2001']。

如果你只对“收盘价”感兴趣，因为你已经用 s = df['<CLOSE>'] 获取了这个数据，那么你可以通过 s['2001'] 来获取2001年的值。

Answer 2

第295页的例子是在Series对象上进行的，所以用年份来索引是有效的。如果你是在DataFrame上操作，你需要用df.ix['2001']来得到相同的结果。