parse_dates 是 pandas 读取数据时的一个参数，用于将某些列解析为日期时间格式。当读取数据时，如果数据中包含日期时间信息，但是默认情况下 pandas 无法自动识别该列为日期时间格式，则需要手动设置 parse_dates 参数来解析该列。
parse_dates 参数有两种设置方式：

1.设置为 True：表示尝试解析所有列。

2.设置为一个列表：表示只尝试解析指定的列。
例如，下面的代码指定了 parse_dates 参数解析了 date 列和 time 列：

import pandas as pd
df = pd.read_csv('data.csv', parse_dates=['date', 'time'])

这样，date 列和 time 列将会以日期时间格式读入数据，并且能够进行日期时间相关的操作。

题外知识点
skiprows 是 pandas 读取数据时的一个参数，用于跳过指定的行数。当读取数据时，如果数据开头包含一些无用的行，可以使用 skiprows 参数跳过这些行，只读取有用的数据。skiprows 参数有以下两种设置方式：

设置为整数：表示要跳过的行数。

设置为一个列表：表示要跳过的行的索引号。
例如，下面的代码指定了 skiprows 参数跳过了前两行数据：

import pandas as pd
df = pd.read_csv('data.csv', skiprows=2)

这样，读取的数据将会从第三行开始，忽略前两行数据。

题外知识点：

筛选时间为同一天的数据

假设有一个包含日期时间列的 DataFrame，可以通过如下方式筛选出时间在同一天的数据：

import pandas as pd
# 读取数据，假设有一个名为 df 的 DataFrame，包含日期时间列为 datetime_col
df = pd.read_csv('data.csv')
# 将日期时间列设置为索引
df.set_index('datetime_col', inplace=True)
# 筛选出时间在同一天的数据
df_same_day = df[df.index.date == df.index[0].date()]

上述代码中，首先使用 set_index() 方法将日期时间列设置为索引，然后使用布尔索引筛选出时间在同一天的数据。其中，df.index.date 表示将日期时间列索引转换为日期格式，df.index[0].date() 表示取出第一行数据的日期，这样就能筛选出时间在同一天的数据了。最后，将筛选结果保存到 df_same_day 变量中。