摘要：
今天老板要处理一批带有时间序列的数据，源数据为1秒钟一行的csv数据，处理之后变成15分钟一行的数据。
今天老板要处理一批带有时间序列的数据，源数据为1秒钟一行的csv数据，处理之后变成15分钟一行的数据。
源数据示例如下：
time B00 B01 ... RollMean2.5RollMean10
2018-05-31 09:44:39 15.212 5.071 ... 2.97 2.99
2018-05-31 09:44:40 17.202 4.047 ... 2.90 3.08
2018-05-31 09:44:41 10.137 4.055 ... 2.58 2.71
2018-05-31 09:44:42 11.961 1.994 ... 2.39 2.49
2018-05-31 09:44:43 17.157 2.019 ... 2.44 2.53
2018-05-31 09:44:44 12.972 3.991 ... 2.44 3.29
2018-05-31 09:44:45 20.078 6.023 ... 2.49 3.21具体操作步骤如下：
（1）读取csv数据：
f = pd.read_csv(os.path.join(path1, file))
（2）将time列转换为DatetimeIndex类型作为index值，删除time列：
f.index =pd.to_datetime(f.time.values) del f.time
（3）使用resample函数重采样数据：
#‘15T’表示间隔15分钟，其他间隔方式可自行查看文档说明#sum()函数表示求和，还可以用mean()函数进行平均，其他计算方式暂时不明
# resample函数中可以通过 on=‘列名’ 关键字参数设置针对其他列名的重采样操作
resample = f.resample('15T').sum()
（4）将reample写入excel：
resample.to_excel(path1+'/'+csvf[0]+'.xlsx')
整个代码示例：
importos importsys importcopy importnumpy as np importpandas as pd importopenpyxl #获取当前脚本及数据文件夹路径 path =os.path.split(sys.argv[0])[0] #获取当前路径下文件夹名称 dirs = [x for x in os.listdir(path) if not os.path.splitext(x)[1]] #遍历当前路径文件夹内文件，读取合并数据 for dir_ indirs: path1 =os.path.join(path, dir_) files =copy.copy(os.listdir(path1)) for file infiles: csvf =os.path.splitext(file) if csvf[1] == '.csv': f =pd.read_csv(os.path.join(path1, file)) f.index =pd.to_datetime(f.time.values) del f['time'] resample = f.resample('15T').sum() print(csvf[0]) resample.to_excel(path1+'/'+csvf[0]+'.xlsx')
问题：excel或者csv的时间表示方式有时是以小数形式进行的，这次尚未学习如何将这种时间表示形式直接转换为DatetimeIndex类型，如果有同学知道，欢迎赐教，谢谢！