python – 从DataFrame列构造Series时丢失值
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了python – 从DataFrame列构造Series时丢失值，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1245字，纯文字阅读大概需要2分钟。
内容图文
我有一个由以下列组成的DataFrame td：
In [111]: td.head(5)
Out[111]:
Date Time Price
0 2015-09-21 00:01:26 4303.00
1 2015-09-21 00:01:33 4303.00
2 2015-09-21 00:02:21 4303.50
3 2015-09-21 00:02:21 4303.50
4 2015-09-21 00:02:31 4303.25
我的目标是拥有一个具有日期时间和价格的系列.
我试过了：
s = pd.Series(td['Price'], index=pd.to_datetime(td['Date'] + ' ' + td['Time']))
但得到结果：
>>> s
2015-09-21 00:01:26 NaN
2015-09-21 00:01:33 NaN
2015-09-21 00:02:21 NaN
2015-09-21 00:02:21 NaN
..
2015-09-25 16:59:58 NaN
2015-09-25 16:59:58 NaN
2015-09-25 16:59:58 NaN
2015-09-25 16:59:59 NaN
Name: Price, dtype: float64
“价格”中的所有值均为NaN.什么提示我做错了什么？
解决方法:
从DataFrame列创建Series并传入索引时,将根据新索引重新编制列.
在您的情况下,新创建的Datetime索引中的所有标签最初都不用于索引列td [‘Price’],因此会返回一系列缺失(NaN)值.
最简单的解决方案是传入td [‘Price’].值而不是：
>>> pd.Series(td['Price'].values, index=pd.to_datetime(td['Date']+' '+td['Time'])
2015-09-21 00:01:26 4303.00
2015-09-21 00:01:33 4303.00
2015-09-21 00:02:21 4303.50
2015-09-21 00:02:21 4303.50
2015-09-21 00:02:31 4303.25
...
使用td [‘Price’].值意味着列中的值位于NumPy数组中：这没有索引,并且pandas不会尝试重新索引值.
内容总结
以上是互联网集市为您收集整理的python – 从DataFrame列构造Series时丢失值全部内容，希望文章能够帮你解决python – 从DataFrame列构造Series时丢失值所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。