1

首先,这是我的 .xlsx 时间序列数据的样子:

excel中的数据是什么样的

这就是我的阅读方式:

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和单位(第 2 行和第 3 行)以及值读取到 pandas 数据框中,并能够将标签和单位行作为字符串列表进行访问。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,但如果我只上传标签,它就可以正常工作。此外,我到处寻找,无法弄清楚如何将列标题作为列表获取。

如果有人可以帮助解决这些问题,我将不胜感激。

4

1 回答 1

1

首先,摆脱它for i in range(len(filepaths))!pythonic 方式是for i, filepath in enumerate(filepaths). enumerate给出一个元组,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。如果我正确阅读了您的代码,那么当您包含第 2 行和第 3 行时,由于时间戳列不是同质的,因此无法解析日期。这不是所有的时间戳。

您可以使用分层索引来获取(column, label, unit)格式数据。首先读取标题信息可能是最简单的。然后分别读取数据并在事后设置列(我现在没有方便的 excel,但我认为read_csv我使用的所有选项也可以使用xlrd):

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

这应该让您在代码中开始删除列并开始连接。另请查看开发人员文档。看起来读取 excel 文件的语法正在被清理(好多了!)。您可以将parse_cols参数与整数列表一起使用,以避免以后删除列。

哦,你可以得到字符串列表df_data.columns.tolist()

于 2013-07-23T12:30:16.627 回答