python - 当我将数据添加到数据框列时，为什么我的数据为空？

Question

我使用过滤器来检查数据框中的条件，以便我可以标记它们。

filtering = (dfsamen.shift(0).moving=='movingToclose') & (more condtions)
dffilter = pd.Dataframe(data=filtering, columns = ['filter'])
dffilter['DateTime'] = dfsamen['DateTime']

输出:

过滤

4     False
5     False
6      True
7      True

df过滤器

4    False 2018-06-03 06:33:38.593
5    False 2018-06-03 06:33:39.197
6     True 2018-06-03 06:33:40.597
7     True 2018-06-03 06:33:41.800

但后来我在不同的条件下使用相同的代码，但它不起作用

filtering2 = (dfsamen.shift(0).Input5==1) | (more conditions)
dffilter2 = pd.DataFrame(data=filtering2, columns=['filter2'])
dffilter2['DateTime'] = dfsamen['DateTime']

输出:

过滤2

4     False
5      True
6      True
7      True

dffilter2(添加日期时间之前)

Empty DataFrame
Columns: [filter2]
Index: []

dffilter2(带日期时间)

4      NaN 2018-06-03 06:33:38.593
5      NaN 2018-06-03 06:33:39.197
6      NaN 2018-06-03 06:33:40.597
7      NaN 2018-06-03 06:33:41.800

那么，为什么当我将数据添加到列中时，即使数据存在于 filtering2 中，我的数据也会在第二个过滤器中消失？

Answer 1

问题是你的DataFrame构造函数，因为创建了默认的RangeIndex，所以两个DataFrame中可能有不同的索引，数据不对齐，并且你会得到具有不同索引的行的NaNs列值。

解决方案是将值转换为 numpy 数组:

filtering = (dfsamen.shift(0).moving=='movingToclose') & (more condtions)

dffilter = pd.DataFrame(data=filtering.values, columns = ['filter'])
dffilter['DateTime'] = dfsamen['DateTime'].values
print (dffilter)

示例:

dfsamen = pd.DataFrame({
        'A':list('abc'),
        'DateTime':pd.date_range('2015-01-01', periods=3),
        'C':[7,8,9]
}, index=[4,5,6])

print (dfsamen)
   A   DateTime  C
4  a 2015-01-01  7
5  b 2015-01-02  8
6  c 2015-01-03  9

filtering = dfsamen.A == 'a'

dffilter = pd.DataFrame(data=filtering.values, columns = ['filter'])
dffilter['DateTime'] = dfsamen['DateTime'].values
print (dffilter)
   filter   DateTime
0    True 2015-01-01
1   False 2015-01-02
2   False 2015-01-03

或者使用Series.to_frame用于将 Series 转换为具有一列的 DataFrame:

filtering = dfsamen.A == 'a'

dffilter = filtering.to_frame('filter')
dffilter['DateTime'] = dfsamen['DateTime'].values
print (dffilter)
   filter   DateTime
4    True 2015-01-01
5   False 2015-01-02
6   False 2015-01-03