用pandas将csv文件中的数据读入时间序列

Question

我的目标是将EURUSDdata（daily）读入一个时间序列对象，在该对象中，我可以根据不规则的ish时间帧轻松地对信息进行切片、切分、聚合和重采样。这很可能是一个简单的答案。我正在使用Python进行数据分析，但似乎无法弥合这一差距。

下载并解压缩data之后，我运行以下代码：

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

到目前为止还不错。我现在有一个很好的数据帧，时间戳作为索引。

然而，这本书暗示（第295页），我应该能够将数据子集如下，以查看2001年的所有数据。

>>> df['2001']

但是，那不管用。

读到这个question and answer告诉我可以导入时间戳：

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

似乎在某一天起作用：

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

然而，下面的代码为我所期望的2001年的所有数据范围产生了一个值。

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

我知道我错过了一些简单的，基本的东西。有人能帮忙吗？

谢谢你， 布赖恩

Answer 1

第295页上的例子是在Series对象上执行的，这就是为什么索引年份有效的原因。对于数据帧，您希望df.ix['2001']获得相同的结果。

Answer 2

如果要获取所有列，则df.ix['2001']。

如果您只对“CLOSE”感兴趣，因为您已经做了s = df['<CLOSE>']，那么可以通过s['2001']获得2001值