1、读取文件转换时间问题parse_date
Pandas读取文件read_csv或read_table时，我们会希望把某些以整型存储的数据转换成时间格式，例如txt文件：
1 19970101 1 11.77
2 19970112 1 12.00
3 19970112 2 77.00
我们想把第2列以如下格式导入：
1 1997-01-01 1 11.77
2 1997-01-12 1 12.00
3 1997-01-12 2 77.00
秦老师在课程中提到，有两个参数：parse_dates和date_parser可以做到。
但是我在练习时却遇到问题：
没打错啊，为什么有问题呢，我决定深入了解一下这两个参数
翻看官方文档，parse_dates
顺便学一下英语：
翻译成中文就是：需要解析的日期
参数Parse_dates可以是布尔型、整型列表或者包含列名的列表、字典。缺省为False。
如果参数为True，说明需要把索引解析为时间格式列；
如果参数为[1,2,3]，说明需要把1/2/3列分别解析为时间格式列；
如果参数为[[1,3]]，说明需要把1/3列合起来，一起解析为单个时间格式列。
如果参数为{‘foo’:[1,3]}，说明需要把1/3列合起来，称合并列为’foo’，一起解析为单个时间格式列。
在我们的例子中，可以用[‘order_dt’]，也可以用[1]，这个参数没错的。
接着看Date_parser：
翻译成中文就是：日期分析程序
参数date_parser必须为函数，缺省为None。
这样就懂了，原来date_parser参数中需要填写的是一个函数，因此我们可以先构造一个匿名函数：
parse = lambda x:datetime.strptime(x,'%Y%m%d')
也许有比我更小白的同学不了解匿名函数，可以看廖雪峰大大对匿名函数的介绍：
说白了就是构建一个函数，使每一个整数经过这个函数都能转换成’%Y%m%d’的日期格式。
把parse函数填入date_parser，运行，发现阔以啦~
问题解决，开心！
2、练习2作业
练习原码：
