web-dev-qa-db-fra.com

Comment convertir un pandas DataFrame en une série chronologique?

Je cherche un moyen de convertir un DataFrame en TimeSeries sans diviser les colonnes d'index et de valeur. Des idées? Merci.

In [20]: import pandas as pd

In [21]: import numpy as np

In [22]: dates = pd.date_range('20130101',periods=6)

In [23]: df = pd.DataFrame(np.random.randn(6,4),index=dates,columns=list('ABCD'))

In [24]: df
Out[24]:
                   A         B         C         D
2013-01-01 -0.119230  1.892838  0.843414 -0.482739
2013-01-02  1.204884 -0.942299 -0.521808  0.446309
2013-01-03  1.899832  0.460871 -1.491727 -0.647614
2013-01-04  1.126043  0.818145  0.159674 -1.490958
2013-01-05  0.113360  0.190421 -0.618656  0.976943
2013-01-06 -0.537863 -0.078802  0.197864 -1.414924

In [25]: pd.Series(df)
Out[25]:
0    A
1    B
2    C
3    D
dtype: object
pythonpandastime-series
23
morgan

Je sais que c'est la fin du jeu ici, mais quelques points.

Qu'un DataFrame soit ou non considéré comme un TimeSeries est le type d'index. Dans votre cas, votre index est déjà un TimeSeries, vous êtes donc prêt à partir. Pour plus d'informations sur tous les découpages sympas que vous pouvez faire avec un index pd.timeseries, jetez un œil à http://pandas.pydata.org/pandas-docs/stable/timeseries.html#datetime-indexing

Maintenant, d'autres pourraient arriver ici parce qu'ils ont une colonne 'DateTime' qu'ils veulent faire un index, auquel cas la réponse est simple

ts = df.set_index('DateTime')
24
EngineeredE

Voici une possibilité

[3]: df

Out[3]: 
                   A         B         C         D
2013-01-01 -0.024362  0.712035 -0.913923  0.755276
2013-01-02  2.624298  0.285546  0.142265 -0.047871
2013-01-03  1.315157 -0.333630  0.398759 -1.034859
2013-01-04  0.713141 -0.109539  0.263706 -0.588048
2013-01-05 -1.172163 -1.387645 -0.171854 -0.458660
2013-01-06 -0.192586  0.480023 -0.530907 -0.872709

In [4]: df.unstack()
Out[4]: 
A  2013-01-01   -0.024362
   2013-01-02    2.624298
   2013-01-03    1.315157
   2013-01-04    0.713141
   2013-01-05   -1.172163
   2013-01-06   -0.192586
B  2013-01-01    0.712035
   2013-01-02    0.285546
   2013-01-03   -0.333630
   2013-01-04   -0.109539
   2013-01-05   -1.387645
   2013-01-06    0.480023
C  2013-01-01   -0.913923
   2013-01-02    0.142265
   2013-01-03    0.398759
   2013-01-04    0.263706
   2013-01-05   -0.171854
   2013-01-06   -0.530907
D  2013-01-01    0.755276
   2013-01-02   -0.047871
   2013-01-03   -1.034859
   2013-01-04   -0.588048
   2013-01-05   -0.458660
   2013-01-06   -0.872709
dtype: float64
10
Jeff