python使用read_table讀取txt文件

data2 = pd.read_table(r'E:\data\Molas.txt', encoding='gbk', header=0, index_col=False, parse_dates=[['年月日', '時間戳']])

• header=0 表示第 0 行作為列索引，header=None第0行不作為列名；
• index_col：當為False時，重新生成行索引，也可以自己指定某列為行索引，當index_col=0時，將第一列變為index。
• parse_dates：將某列解析為 date 類型，同時設定 infer_datetime_format = True 會加快解析速度；parse_dates={“datetime”: [0,1,2]}表示解析後重命名為 ‘datetime’
• date_parser=lambda x: pandas.datetime.strptime(x, ‘%Y %m %d’)
• keep_date_col 參數則是用了指定解析為日期格式的列是否保留，True或False。
• skiprows=2，表示前面兩行[0, 1]都不讀入，等價於skiprows=[0, 1]；
• names=[‘’] 指定列名；
• usecols=[‘Y’,‘M’,‘D’,‘PRCP’]：讀取這 4 列 ‘Y’,‘M’,‘D’,‘PRCP’；

時間列被放在了兩個列中，需要合並，然後設置為索引，而 parse_dates=[[‘年月日’, ‘時間戳’]] 就是這個作用

當日期和時間被放在兩個列時，通過parse_dates=[[‘Date’, ‘Time’]]來合並，合並後新列名一般為 ‘Date_Time’

參考資料：
[1] pandas之 read_table函數讀取txt文件 2019.1
[2] pd. read_csv解析日期格式字符串parse_dates參數，以及pd.to_datetime()、dateutil.parser.parse()與datetime.strptime()比較 2019.10
[3] Python pandas，時間序列，將多列合並成完整的時間戳 PeriodIndex 2019.2