python - Pandas 列上丢失的元数据

Question

我正在处理时间序列数据，并尝试根据该时间序列的原始采样频率(或其他相关元数据)来限定各种时间序列上的操作。我可以使用以下命令成功设置元数据:

a_df._metadata = ["orig_freq"]
a_df["a_col"].orig_freq = "D"

这似乎是成功的。现在我想应用基于元数据标准的函数:

for i in a_df.columns:
    if a_df[i].orig_freq == "D":
        a_df[i + "_a_new_col"] = a_function(a_df[i])
    else:
        a_df[i + "_a_new_col"] = a_function_2(a_df[i])

这适用于数据框中的第一列，但在该列上成功操作后，我收到以下错误:

AttributeError: 'Series' object has no attribute 'orig_freq'

此时，所有分配的元数据已被删除。我在元数据分配中做错了什么吗？

Answer 1

我认为需要在类上定义_metadata(即Series._metadata)，尽管即使这样，也可能存在一些问题。例如，请参阅此 issue进行更多讨论。

如果每一列都有一个元数据，那么使用 MultiIndex 列来存储它可能会更轻松。例如，像这样:

In [43]: df = pd.DataFrame({'a':[1,2,3], 'b':[4,5,6]})

In [44]: orig_freqs = {'a': 'D', 'b': 'Q'}

In [45]: df.columns = pd.MultiIndex.from_tuples(([(c, orig_freqs[c]) for c in df]))

In [46]: df
Out[46]: 
   a  b
   D  Q
0  1  4
1  2  5
2  3  6

In [47]: for (col, orig_freq) in df:
    ...:     df[('new_col', orig_freq)] = a_function(df[(col, orig_freq)])