python - Pandas 从索引到系列的隐式类型转换

Question

这有效:

    s['Date'] = s.index.get_level_values('Date')
    s['Expire Days'] = (pd.to_datetime(s['Expiration']) - s['Date'])

但这并不:

    s['Expire Days'] = (pd.to_datetime(s['Expiration']) - s.index.get_level_values('Date'))

错误是:

pandas/index.pyx in pandas.index.IndexEngine.get_indexer_non_unique (pandas/index.c:6148)()

TypeError: 'NoneType' object is not iterable

s 是一个具有多索引的 Pandas DataFrame。

我最感兴趣的是为什么其中一个有效，而不是另一个。在我看来，两者都应该有效。

Answer 1

对我来说作品添加values用于将 Series 转换为 numpy 数组:

s['Expire Days'] = pd.to_datetime(s['Expiration']).values - 
                   s.index.get_level_values('Date')

示例:

import pandas as pd

s = pd.DataFrame({'Expiration': {(pd.Timestamp('2015-03-04 00:00:00'), 1): '2015-03-05', 
                                 (pd.Timestamp('2015-03-03 00:00:00'), 2): '2015-03-05'}})
s = s.rename_axis(['Date','a'])
print (s)
              Expiration
Date       a            
2015-03-03 2  2015-03-05
2015-03-04 1  2015-03-05


s['Expire Days'] = pd.to_datetime(s['Expiration']).values - 
                    s.index.get_level_values('Date')
print (s)
              Expiration  Expire Days
Date       a                         
2015-03-04 1  2015-03-05       1 days
2015-03-03 1  2015-03-05       2 days

按评论编辑:

s['Date'] = s.index.get_level_values('Date')
s['Expire Days'] = (pd.to_datetime(s['Expiration']) - s['Date'])

工作得很好，因为 ndarray 作为 get_level_values 的输出在Expire Days 列中转换为Series。

<小时/>

s['Expire Days'] = (pd.to_datetime(s['Expiration']) - s.index.get_level_values('Date'))

不起作用，pd.to_datetime(s['Expiration'])是Series，s.index.get_level_values('Date')是ndarray。所以你需要两个 numpy 数组或两个 Series。

因为错误:

"Index._join_level on non-unique index is not implemented."

在 pd.to_datetime(s['Expiration']) - s.index.get_level_values('Date').to_series() 中，将两者都转换为 ndarray .