Konvertieren von Objekttyp auf dem neuesten Stand in Index

Question

Ich habe einige Daten in der Zwischenablage lesen

clipdf = pd.read_clipboard() 

      A   B   C   D F 
2013-01-01 0.000000 0.000000 -1.509059 5 NaN 
2013-01-02 1.212112 -0.173215 0.119209 5 1.0 
2013-01-03 -0.861849 -2.104569 -0.494929 5 2.0 
2013-01-04 0.721555 -0.706771 -1.039575 5 3.0 
2013-01-05 -0.424972 0.567020 0.276232 5 4.0 
2013-01-06 -0.673690 0.113648 -1.478427 5 5.0 

verwenden, aber ich merke, dass der Index vom Typ Objekt ist

Index(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04', '2013-01-05', 
     '2013-01-06'], 
     dtype='object') 

... statt Typ datetime64

DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04', 
       '2013-01-05', '2013-01-06'], 
       dtype='datetime64[ns]', freq='D') 

1. Ist es wichtig, dass ich den Index zu konvertieren ein Datetime64-Typ?
2. Wie kann ich das in der Praxis machen?

Grüße

Answer 1

Ich glaube, Sie parse_dates=True für DatetimeIndex Parameter benötigen:

clipdf = pd.read_clipboard(parse_dates=True) 
print (clipdf.index) 

DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04', 
       '2013-01-05', '2013-01-06'], 
       dtype='datetime64[ns]', freq=None) 

Oder:

clipdf = pd.read_clipboard() 
clipdf.index = pd.to_datetime(clipdf.index) 
#alternative 
#clipdf.index = pd.DatetimeIndex(clipdf.index) 
print(clipdf.index) 
DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04', 
       '2013-01-05', '2013-01-06'], 
       dtype='datetime64[ns]', freq=None) 

---

Ist es wichtig, dass Ich konvertiere den Index in einen Datetime64-Typ?

Ich denke, es kommt darauf an, was Sie brauchen. Aber natürlich ja, besonders wenn man mit Funktionen wie resample arbeitet. Auch die Leistung sollte besser sein.