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.
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 dio@foxmail.com 举报,一经查实,本站将立刻删除。