In [1]:

    

import pandas as pd


    

In [2]:

    

df = pd.read_csv('data/src/sample_date.csv')
print(df)


    

    




          date  val_1  val_2
0   2017-11-01     65     76
1   2017-11-07     26     66
2   2017-11-18     47     47
3   2017-11-27     20     38
4   2017-12-05     65     85
5   2017-12-12      4     29
6   2017-12-22     31     54
7   2017-12-29     21      8
8   2018-01-03     98     76
9   2018-01-08     48     64
10  2018-01-19     18     48
11  2018-01-23     86     70

In [3]:

    

print(type(df.index))


    

    




<class 'pandas.core.indexes.range.RangeIndex'>

In [4]:

    

print(df['date'].dtype)


    

    




object

In [5]:

    

df['date'] = pd.to_datetime(df['date'])
print(df['date'].dtype)


    

    




datetime64[ns]

In [6]:

    

df.set_index('date', inplace=True)
print(df)


    

    




            val_1  val_2
date                    
2017-11-01     65     76
2017-11-07     26     66
2017-11-18     47     47
2017-11-27     20     38
2017-12-05     65     85
2017-12-12      4     29
2017-12-22     31     54
2017-12-29     21      8
2018-01-03     98     76
2018-01-08     48     64
2018-01-19     18     48
2018-01-23     86     70

In [7]:

    

print(type(df.index))


    

    




<class 'pandas.core.indexes.datetimes.DatetimeIndex'>

In [8]:

    

print(df.index[0])
print(type(df.index[0]))


    

    




2017-11-01 00:00:00
<class 'pandas._libs.tslib.Timestamp'>

In [9]:

    

print(df['2018'])


    

    




            val_1  val_2
date                    
2018-01-03     98     76
2018-01-08     48     64
2018-01-19     18     48
2018-01-23     86     70

In [10]:

    

print(df['2017-11'])


    

    




            val_1  val_2
date                    
2017-11-01     65     76
2017-11-07     26     66
2017-11-18     47     47
2017-11-27     20     38

In [11]:

    

print(df['2017-12-15':'2018-01-15'])


    

    




            val_1  val_2
date                    
2017-12-22     31     54
2017-12-29     21      8
2018-01-03     98     76
2018-01-08     48     64

In [12]:

    

print(df.loc['01/19/2018', 'val_1'])


    

    




18

In [13]:

    

print(df.loc['20180103', 'val_2'])


    

    




76

In [14]:

    

df_jp = pd.read_csv('data/src/sample_date_jp.csv')
print(df_jp)


    

    




           date  val_1  val_2
0    2017年11月1日     65     76
1    2017年11月7日     26     66
2   2017年11月18日     47     47
3   2017年11月27日     20     38
4    2017年12月5日     65     85
5   2017年12月12日      4     29
6   2017年12月22日     31     54
7   2017年12月29日     21      8
8     2018年1月3日     98     76
9     2018年1月8日     48     64
10   2018年1月19日     18     48
11   2018年1月23日     86     70

In [15]:

    

df_jp['date'] = pd.to_datetime(df_jp['date'], format='%Y年%m月%d日')
df_jp.set_index('date', inplace=True)
print(df_jp)


    

    




            val_1  val_2
date                    
2017-11-01     65     76
2017-11-07     26     66
2017-11-18     47     47
2017-11-27     20     38
2017-12-05     65     85
2017-12-12      4     29
2017-12-22     31     54
2017-12-29     21      8
2018-01-03     98     76
2018-01-08     48     64
2018-01-19     18     48
2018-01-23     86     70

In [16]:

    

print(type(df_jp.index))


    

    




<class 'pandas.core.indexes.datetimes.DatetimeIndex'>

In [17]:

    

df = pd.read_csv('data/src/sample_date.csv', index_col='date', parse_dates=True)
print(df)


    

    




            val_1  val_2
date                    
2017-11-01     65     76
2017-11-07     26     66
2017-11-18     47     47
2017-11-27     20     38
2017-12-05     65     85
2017-12-12      4     29
2017-12-22     31     54
2017-12-29     21      8
2018-01-03     98     76
2018-01-08     48     64
2018-01-19     18     48
2018-01-23     86     70

In [18]:

    

print(type(df.index))


    

    




<class 'pandas.core.indexes.datetimes.DatetimeIndex'>

In [19]:

    

parser = lambda date: pd.to_datetime(date, format='%Y年%m月%d日')


    

In [20]:

    

df_jp = pd.read_csv('data/src/sample_date_jp.csv', index_col='date', parse_dates=True, date_parser=parser)
print(df_jp)


    

    




            val_1  val_2
date                    
2017-11-01     65     76
2017-11-07     26     66
2017-11-18     47     47
2017-11-27     20     38
2017-12-05     65     85
2017-12-12      4     29
2017-12-22     31     54
2017-12-29     21      8
2018-01-03     98     76
2018-01-08     48     64
2018-01-19     18     48
2018-01-23     86     70

In [21]:

    

print(type(df_jp.index))


    

    




<class 'pandas.core.indexes.datetimes.DatetimeIndex'>

In [22]:

    

s = pd.read_csv('data/src/sample_date.csv', index_col=0, usecols=[0, 1], squeeze=True)
print(s)


    

    




date
2017-11-01    65
2017-11-07    26
2017-11-18    47
2017-11-27    20
2017-12-05    65
2017-12-12     4
2017-12-22    31
2017-12-29    21
2018-01-03    98
2018-01-08    48
2018-01-19    18
2018-01-23    86
Name: val_1, dtype: int64

In [23]:

    

print(type(s))
print(type(s.index))


    

    




<class 'pandas.core.series.Series'>
<class 'pandas.core.indexes.base.Index'>

In [24]:

    

s.index = pd.to_datetime(s.index)
print(s)


    

    




date
2017-11-01    65
2017-11-07    26
2017-11-18    47
2017-11-27    20
2017-12-05    65
2017-12-12     4
2017-12-22    31
2017-12-29    21
2018-01-03    98
2018-01-08    48
2018-01-19    18
2018-01-23    86
Name: val_1, dtype: int64

In [25]:

    

print(type(s))
print(type(s.index))


    

    




<class 'pandas.core.series.Series'>
<class 'pandas.core.indexes.datetimes.DatetimeIndex'>

In [26]:

    

print(s['2017-12-15':'2018-01-15'])


    

    




date
2017-12-22    31
2017-12-29    21
2018-01-03    98
2018-01-08    48
Name: val_1, dtype: int64