pandas读取csv文件：parse_dates和date_parser

# load and plot dataset
from pandas import read_csv
from pandas import datetime
from matplotlib import pyplot
# 加载数据
def parser(x):
	return datetime.strptime('190'+x, '%Y-%m')
series = read_csv('shampoo-sales.csv', header=0, parse_dates=[0], index_col=0, squeeze=True, date_parser=parser)
# 显示开头部分行
print(series.head())
# 画图
series.plot()
pyplot.show()

'''
parse_dates=[0],尝试解析0列为时间格式
date_parser需要配合parse_dates工作，具体需要传入函数
参数传入parse_dates=[0]，date_parser 转会函数那里运行return datetime.strptime('190'+x, '%Y-%m')
'''

parse_dates(动词，主动解析格式）

parse_dates=True : 尝试解析index为日期格式；
parse_dates=[0,1,2,3,4] : 尝试解析0，1，2，3，4列为时间格式；
parse_dates=[[’考试日期’,‘考试时间’]] :传入多列名，尝试将其解析并且拼接起来,parse_dates[[0,1,2]]也有同样的效果；
parse_dates={’考试安排时间’:[‘考试日期’,‘考试时间’]}，将会尝试解析日期和时间拼接起来，并将列名重置为‘考试安排时间’；
注意：重置后列名不能和原列名重复

date_parser(名词，指定解析格式去解析某种不常见的格式）

date_parser需要配合parse_dates工作，具体需要传入函数
例如时间为2021年2月24日，可以传入
parse_dates=[0]
date_parser=lambda x:pd.to_datetime(x,format=’%Y年%m月%d日’）
————————————————
原文链接