利用numpy和pandas处理csv文件中的时间

环境：numpy,pandas,python3

在机器学习和深度学习的过程中，对于处理预测，回归问题，有时候变量是时间，需要进行合适的转换处理后才能进行学习分析，关于时间的变量如下所示，利用pandas和numpy对csv文件中时间进行处理。
date (UTC) Price
01/01/2015 0:00 48.1
01/01/2015 1:00 47.33
01/01/2015 2:00 42.27

#coding:utf-8import datetimeimport pandas as pdimport numpy as npimport pickle#用pandas将时间转为标准格式dateparse = lambda dates: pd.datetime.strptime(dates,'%d/%m/%Y %H:%M')#将时间栏合并,并转为标准时间格式rawdata = pd.read_csv('RealMarketPriceDataPT.csv',parse_dates={'timeline':['date','(UTC)']},date_parser=dateparse)#定义一个将时间转为数字的函数,s为字符串def datestr2num(s):    #toordinal()将时间格式字符串转为数字    return datetime.datetime.strptime(s,'%Y-%m-%d %H:%M:%S').toordinal()x = []y = []new_date = []for i in range(rawdata.shape[0]):    x_convert = int(datestr2num(str(rawdata.ix[i,0])))    new_date.append(x_convert)    y_convert = rawdata.ix[i,1].astype(np.float32)    x.append(x_convert)    y.append(y_convert)x = np.array(x).astype(np.float32)"""with open('price.pickle','wb') as f:    pickle.dump((x,y),f)"""print(datetime.datetime.fromordinal(new_date[0]),'------>>>>>>',new_date[0])print(datetime.datetime.fromordinal(new_date[10]),'------>>>>>>',new_date[10])print(datetime.datetime.fromordinal(new_date[20]),'------>>>>>>',new_date[20])print(datetime.datetime.fromordinal(new_date[30]),'------>>>>>>',new_date[30])print(datetime.datetime.fromordinal(new_date[40]),'------>>>>>>',new_date[40])print(datetime.datetime.fromordinal(new_date[50]),'------>>>>>>',new_date[50])

结果

将csv文件中的时间栏合并为一列，并转为方便数据分析的float或int类型