[Python][Pandas]將日期欄位改為 DataFrame 的索引

包含著日期型資料在許多不同領域的分析中都非常重要，特別是當數據涉及隨時間變化的趨勢、模式或週期時，例如房價，股票價格分析等等。

如何將一個日期欄位改為 DataFrame 的索引，你可以使用 set_index() 方法。

實作範例數據來源

處理步驟

1. 確保日期欄位是 datetime 格式。如果日期欄位還不是 datetime 格式，先使用 pd.to_datetime() 進行轉換。
2. 使用 set_index() 將日期欄位設置為索引。

程式範例

假設你有一個 DataFrame，其中包含一個名為 Date 的欄位包含日期的資訊

import pandas as pd

# 模擬數據
data = {
    'Date': ['2024-01-01', '2024-01-02', '2024-01-03', '2024-01-04'],
    'Value': [100, 200, 150, 300]
}

df = pd.DataFrame(data)

# 確保 'Date' 欄位為 datetime 格式
df['Date'] = pd.to_datetime(df['Date'])

# 將 'Date' 欄位設置為索引
df.set_index('Date', inplace=True)

print(df)

輸出

說明

• pd.to_datetime() 用來將日期欄位轉換為 datetime 格式。
• set_index('Date', inplace=True) 將 Date 欄位設置為索引，並且 inplace=True 使得這一操作直接應用於原 DataFrame，而不返回新的 DataFrame。

這樣，你就成功地將日期欄位改為了索引，可以更方便地進行基於日期的操作和分析。

實作範例

讀取數據並查看數據結構

import pandas as pd

df = pd.read_csv('F:/python/crab/pandas/test.csv')
df.head()

原先資料的索引是數字，我們依照YrSold的日期來當作索引

# 確保 'Date' 欄位為 datetime 格式
df['YrSold'] = pd.to_datetime(df['YrSold'])

# 將 'Date' 欄位設置為索引
df.set_index('YrSold', inplace=True)
df.head()

在 Pandas 中，除了 datetime 格式外，還有許多其他格式可以用作索引。

以下是一些常見的格式：

1. 整數（Integer）

• 用途：常用於數據集中，作為唯一標識的 ID 或順序標記。
• 範例：

  df = pd.DataFrame({'Value': [10, 20, 30, 40]})
  df.index = [1, 2, 3, 4]  # 設定整數索引

2. 浮點數（Float）

• 用途：可用於數值型數據的索引，特別是當數據有小數時。
• 範例：

  df = pd.DataFrame({'Value': [10, 20, 30, 40]})
  df.index = [1.1, 2.2, 3.3, 4.4]  # 設定浮點數索引

3. 字串（String）

• 用途：字串索引用於具有唯一標識符的資料，如名稱、代碼、標籤等。
• 範例：

  df = pd.DataFrame({'Value': [10, 20, 30, 40]})
  df.index = ['A', 'B', 'C', 'D']  # 設定字串索引

4. 類別（Categorical）

• 用途：當有固定數量的唯一值（類別）時，可用於提高效能，減少內存使用。
• 範例：

  df = pd.DataFrame({'Value': [10, 20, 30, 40]})
  df.index = pd.Categorical(['Low', 'Medium', 'High', 'Low'])  # 設定類別索引