使用pandas.io.sql.read_frame，我可以像在read_csv中那样使用parse_dates吗？

Question

我正在使用data_frame直接从数据库中读取pandas.io.sql.read_frame：

cnx = pandas.io.sql.connect(host='srv',user='me',password='pw',database='db')
df = pandas.io.sql.read_frame('sql_query',cnx)

它可以很好地检索数据。但我想将其中一列解析为datetime64，类似于从CSV文件中读取时可以执行的操作，例如：

df2 = pandas.io.read_csv(csv_file, parse_dates=[0])

但parse_dates没有read_frame标志。建议采用哪种替代方法？

同样的问题适用于read_csv中的index_col，它指示哪个col。应该是索引。是否有推荐的方法来使用read_frame执行此操作？

Answer 1

这个问题现在很老了。大熊猫0.10也很老了。 在最新版本的pandas 0.16中，read_frame方法已被描述为有利于read_sql。 即便如此，文档说就像read_csv函数一样，需要一个parse_dates参数Pandas 0.16 read_frame

似乎parse_dates参数出现在0.14中，同时read_frame被删除。 read_sql函数似乎是read_frame的重命名，因此只需将您的pandas版本更新为0.14或更高版本并重命名您的函数将允许您访问此参数。 以下是read_sql函数的文档：Pandas 0.16 read_sql

Answer 2

df = pandas.io.sql.read_frame('sql_query', index=['date_column_name'], con=cnx)

其中date_column_name是数据库中包含日期元素的列的名称。 sql_query的格式应为select date_column_name, data_column_name from ...

Pandas（自0.13+起）将自动将其解析为日期格式，如果它类似于日期字符串。

In [34]: df.index
Out[34]: 
    <class 'pandas.tseries.index.DatetimeIndex'>

Answer 3

data_frame["column"] = pandas.to_datetime(data_frame["column"])

默认情况下可以正常工作，但如果没有，您可以指定选项。请参阅doc。