如何从 Pandas DataFrame 转换为 TimeSeries？
How can I convert from Pandas DataFrame to TimeSeries?
我有一个看起来像这样的数据框。如何从该数据框创建时间序列？
df = pd.read_csv("example.csv", parse_dates=True)
df.tail()
输出如下所示。
我尝试了 pd.Series(df)。但是我得到这个错误：ValueError: cannot copy sequence with size 3 to array axis with dimension 729.
我读入的数据是这样的：
让 df 成为你的数据框，你可以先读取它并解析日期：
df = pd.read_csv('yourfile.csv',parse_dates=['ds'])
然后你可以设置它的索引来获取时间作为索引：
df = df.set_index('ds')
然后继续。这取决于您的需要，但您现在应该有一个数据框可以进行时间序列分析。
编辑：
我试图重现您的示例数据框：
city,ds,bookings
City_1,2013-01-01,55
City_2,2013-01-02,56
并应用上面的方法吧returns:
df = pd.read_csv('yourfile.csv',parse_dates=['ds'])
df = df.set_index('ds')
哪个returns:
city bookings
ds
2013-01-01 City_1 55
2013-01-02 City_2 56
我有一个看起来像这样的数据框。如何从该数据框创建时间序列？
df = pd.read_csv("example.csv", parse_dates=True)
df.tail()
输出如下所示。
我尝试了 pd.Series(df)。但是我得到这个错误：ValueError: cannot copy sequence with size 3 to array axis with dimension 729.
我读入的数据是这样的：
让 df 成为你的数据框，你可以先读取它并解析日期：
df = pd.read_csv('yourfile.csv',parse_dates=['ds'])
然后你可以设置它的索引来获取时间作为索引：
df = df.set_index('ds')
然后继续。这取决于您的需要，但您现在应该有一个数据框可以进行时间序列分析。
编辑：
我试图重现您的示例数据框：
city,ds,bookings
City_1,2013-01-01,55
City_2,2013-01-02,56
并应用上面的方法吧returns:
df = pd.read_csv('yourfile.csv',parse_dates=['ds'])
df = df.set_index('ds')
哪个returns:
city bookings
ds
2013-01-01 City_1 55
2013-01-02 City_2 56