从熊猫数据框中

Question

第一关的列索引获取字符串列表，这里是我的.xlsx时间序列数据的模样：

这里如何我读它：

def loaddata(filepaths): 
    t1 = time.clock() 
    for i in range(len(filepaths)): 
     xl = pd.ExcelFile(filepaths[i]) 
     df = xl.parse(xl.sheet_names[0], header=0, index_col=2, skiprows=[0,2,3,4], parse_dates=True) 
     df = df.dropna(axis=1, how='all') 
     df = df.drop(['Decimal Year Day', 'Decimal Year Day.1', 'RECORD'], axis=1) 
     df.index = pd.DatetimeIndex(((df.index.asi8/(1e9*60)).round()*1e9*60).astype(np.int64)).values 

     if i == 0: 
      dfs = df 
     else: 
      dfs = concat([dfs, df], axis=1) 

    t2 = time.clock() 
    print "Files loaded into dataframe in %s seconds" %(t2-t1) 

    return dfs 

files = ["London Lysimeters corrected 5min.xlsx"] 
data = loaddata(files) 

我需要做的是将列标签AND单元（第2行和第3行）以及值读入熊猫数据框，并且能够以字符串列表的形式访问标签和单元行。我似乎无法弄清楚如何加载第2行和第3行，并将时间正确读入pandas datetimeindex中，但如果仅上载标签，则工作正常。此外，我已到处寻找，无法弄清楚如何将列标题作为列表。

如果有人能够帮助解决这些问题，我将不胜感激。

Answer 1

首先，摆脱那for i in range(len(filepaths))！ pythonic的方式是for i, filepath in enumerate(filepaths)。 enumerate给出了一个元组，所以你可以说ExcelFile(filepath)而不是ExcelFile(filepaths[i])。

我认为你的两个问题是相关的。如果我正确读取代码，当包含第2行和第3行时，由于时间戳列不是同质的，因此无法分析日期。这不是全部时间戳。

您可以使用Hierarchical index获取(column, label, unit)格式的数据。首先阅读标题信息可能是最容易的。然后分别读取数据和事实后设置的列（我没有Excel方便的权利，但我认为所有的read_csv选项我用的都是提供给xlrd也）：

In [7]: df_header = pd.read_csv('test.csv', nrows=2, index_col='three') 

In [8]: df_header 
Out[8]: 
       one  two four 
three        
Timestamp Decimal Decimal record 
ts    ref  ref  rn 

In [9]: df_data = pd.read_csv('test.csv', names=df_header.columns, 
    ...:      skiprows=4, parse_dates=True, index_col=2) 

In [10]: df_data 
Out[10]: 
         one two four 
2012-08-29 07:10:00 32.1 32.0 232 
2012-08-29 09:10:00 1.1 1.2 233 

In [11]: cols = pd.MultiIndex.from_tuples([tuple([x] + df_header[x].tolist()) 
    ....:         for x in df_header]) 

In [12]: cols 
Out[12]: 
MultiIndex 
[one Decimal ref, two Decimal ref, four record rn ] 

In [14]: df_data.columns = cols 

In [15]: df_data 
Out[15]: 
         one  two four 
        Decimal Decimal record 
         ref  ref  rn 
2012-08-29 07:10:00  32.1  32.0  232 
2012-08-29 09:10:00  1.1  1.2  233 

这应该让你到您的代码中您开始删除列并开始连接的位置。另请看developers docs。它看起来像阅读Excel文件的语法正在清理（更好！）。您可以使用带有ints列表的parse_cols参数以避免以后丢弃列。

哦，你可以得到字符串列表与df_data.columns.tolist()