open high low close volume
Ticker date
NAVER 2008-11-28 185724.0 192776.0 177887.0 191993.0 399179.0
2008-12-01 191209.0 191993.0 178671.0 178671.0 258409.0
SAMSUNG 2008-11-28 185724.0 192776.0 177887.0 191993.0 399179.0
2008-12-01 191209.0 191993.0 178671.0 178671.0 258409.0
2008-12-02 156729.0 174753.0 156729.0 169267.0 296473.0
我试过的,
data_dfs.index = data_dfs.index.set_levels([data_dfs.index.levels[:-1], pd.to_datetime(data_dfs.index.levels[-1])])
它有效,但问题是它删除了索引名称“Ticker”....
所以,我尝试了 data_dfs = data_dfs.rename_axis(['Ticker', 'date'], axis=1) 但它没有将索引名称设置为 'Ticker'...
我该如何处理?
请您参考如下方法:
我想你可以使用 set_levels使用参数 level=1 并且对于值使用 get_level_values :
mux = pd.MultiIndex.from_product([['NAVER'], ['2018-11-28','2018-12-01','2018-12-02']],
names=['Ticker', 'date'])
df = pd.DataFrame({'open':[1,2,3]},
index=mux)
df.index = df.index.set_levels(pd.to_datetime(df.index.get_level_values(1)), level=1)
print(df)
open
Ticker date
NAVER 2018-11-28 1
2018-12-01 2
2018-12-02 3
print(df.index.get_level_values(1))
DatetimeIndex(['2018-11-28', '2018-12-01', '2018-12-02'],
dtype='datetime64[ns]', name='date', freq=None)
