今回のテーマは，時系列index
です．今回，実際のデータには手を加えませんが，大事な大事な前処理ってやつの１つかもしれませんね．おろそかにするとあとで苦労するので頑張ってやりましょう．
はじめましての方のために，一応前回記事へのリンクを貼っておきます．
https://qiita.com/KogeTakahiro/items/2207bf138af8e474ce04
この記事のモチベーションとかが書いてあります．読んでくださるとより理解が深まるかもしれません．
時系列indexとは，時間軸tのことです．
のことです．日付とかそういうもののことを指します．そもそも時系列indexという表現が一般的な表現かどうかはわかりません．
では，今回のデータではどうなっているのでしょう？
さて，早速データを見ていきましょう．2017年の一年間のデータを用います．
データダウンロードはここからどうぞ
注：PC上で保存する際は，３行目から下のみを保存してください
（データのダウンロードに関する記事は，そのうち別で書きますね）
時系列indexっていろんな形で格納されている．
import pandas as pd
data = pd.read_csv('path_to_data/file_name.csv') #かっこの中は置き換えてください
data.head(5) #データの頭５行のみを表示
実行結果
| DATE | TIME | DEMAND(10GW) | |
|---|---|---|---|
| 0 | 2017/1/1 | 0:00 | 2783 |
| 1 | 2017/1/1 | 1:00 | 2634 |
| 2 | 2017/1/1 | 2:00 | 2520 |
| 3 | 2017/1/1 | 3:00 | 2438 |
| 4 | 2017/1/1 | 4:00 | 2389 |
| （便宜上，一番右のカラム名を英語表記に変更してあります．） | |||
| 見たところ，日付と時間が別に記録されているようです．しかし，これでは時間軸tが１つに統一されておらず，今後使いづらいので１つにしておきます． |
#DATEとTIMEを文字列でくっつけて，datetimeという行を作る．
data['datetime'] = data.apply(lambda x: str(x['DATE'])+' '+str(x['TIME']),axis=1)
#datetimeの行を，
data['datetime'] = pd.to_datetime(data['datetime'], format='%Y/%m/%d %H:%M')
実行結果
| DATE | TIME | DEMAND(10GW) | datetime | |
|---|---|---|---|---|
| 0 | 2017/1/1 | 0:00 | 2783 | 2017-01-01 00:00:00 |
| 1 | 2017/1/1 | 1:00 | 2634 | 2017-01-01 01:00:00 |
| 2 | 2017/1/1 | 2:00 | 2520 | 2017-01-01 02:00:00 |
| 3 | 2017/1/1 | 3:00 | 2438 | 2017-01-01 03:00:00 |
| 4 | 2017/1/1 | 4:00 | 2389 | 2017-01-01 04:00:00 |
~書き途中です．以後追記していきます~