Pandas DataFrame에서 날짜/시간 인덱스를 일반 열로 변환하는 방법은 무엇입니까?

DataFrame에 새 시간 열 추가

데이터를 그래프로 표시하려면 인덱스 열 'YYYY-MO-를 변환해야 합니다. DD HH-MI-SS_SSS'를 일반 열에 넣습니다. 이를 달성하려면 'reset_index' 함수를 활용하여 인덱스를 새 열로 변환할 수 있습니다.

df3 = df3.reset_index()

이렇게 하면 DataFrame df3에 'index'라는 새 열이 생성됩니다. .

또는 '복사 및 할당' 방법을 사용하여 기존 인덱스를 기반으로 새 열을 생성할 수 있습니다.

df3['Time'] = df3.index

이렇게 하면 새 열이 추가됩니다. 인덱스의 값이 포함된 'Time'이라는 열입니다.

최적화된 코드

다음은 문제를 해결하는 최적화된 코드 버전입니다.

# Import CSV file
df = pd.read_csv('university2.csv', sep=";", skiprows=1, index_col='YYYY-MO-DD HH-MI-SS_SSS', parse_dates='YYYY-MO-DD HH-MI-SS_SSS')

# Extract interesting columns
df2 = df[[ 'ATMOSPHERIC PRESSURE (hPa)', 'TEMPERATURE (C)', 'magnetic_mag']].copy()

# Resample and aggregate interesting columns
df3 = df2.resample('H').agg(['mean','std'])
df3.columns = [' '.join(col) for col in df3.columns]

# Reset index to create Time column
df3.reset_index(inplace=True)

# Plot the data
plt.plot(df3['magnetic_mag mean'], df3['Time'], label='FDI')  

이 최적화된 코드는 'read_csv'를 적절한 옵션과 함께 사용하여 인덱스 열을 설정하고 날짜를 올바르게 구문 분석합니다. 또한 'inplace' 기능을 활용하여 불필요한 데이터 사본 생성을 방지합니다.

위 내용은 Pandas DataFrame에서 날짜/시간 인덱스를 일반 열로 변환하는 방법은 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!