python - 从 DataFrame 列构造 Series 时丢失值

Question

我有一个 DataFrame td 由以下列组成:

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

我的目标是制作一个包含日期时间和价格的系列。

我试过:

s = pd.Series(td['Price'], index=pd.to_datetime(td['Date'] + ' ' + td['Time']))

但是得到结果:

>>> 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”中的所有值都是 NaN。任何暗示我做错了什么？

Answer 1

当从 DataFrame 列创建 Series 并传入索引时，该列将根据新索引重新索引。

在你的例子中，新创建的 Datetime 索引中的标签最初都没有用于索引列 td['Price']，因此一系列缺失 (NaN) 返回值。

最简单的解决方案是传入 td['Price'].values 代替:

>>> 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'].values 意味着列中的值位于 NumPy 数组中:它没有索引并且 pandas 不会尝试重新索引这些值。