Question

我有一个数据帧，使用以下代码生成：

time_index = pd.date_range(start=datetime(2013, 1, 1, 3),
                       end=datetime(2013, 1, 2, 2, 59),
                       freq='5T')
grid_columns = [u'in_brd', u'in_alt', u'out_brd', u'out_alt']  
grid_proto = pd.DataFrame(index=time_index, columns=grid_columns)

我还在此数据框中添加了一些数据。

当我尝试在基本数据框中使用int偏移量浏览索引时，我得到了正确的结果：

In[152]: grid_proto.index[0] + 1
Out[152]: Timestamp('2013-01-01 03:05:00', tz=None)

但如果我尝试使用某种切片，我会收到错误：

In[153]: z = grid_proto[pd.notnull(x.in_brd)]
In[154]: z.index[0] + 1
Traceback (most recent call last):

File "<ipython-input-151-3ce8a4e5e2d6>", line 1, in <module>
z.index[0] + 1

File "tslib.pyx", line 664, in pandas.tslib._Timestamp.__add__ (pandas\tslib.c:12372)

ValueError: Cannot add integral value to Timestamp without offset.

我理解这是因为在第一种情况下，我使用了DatetimeIndex元素的链接而不是标量。在第二种情况下，我得到第一个索引元素的标量Timestamp值。我是对的吗？

如何正确处理此偏移？（我需要浏览这样的切片）

Answer 1

原因是在第一种情况下，您有一个频率为5分钟的常规DatetimeIndex。因此，整数1将被解释为频率的一个单位（5分钟）在第二种情况下，由于切片，您不再有常规时间序列，并且DatetimeIndex不再具有频率（z.index.freq将给出无，而grid_proto.index.freq将给出5分钟）。

要解决此问题，您可以明确地添加5分钟：

In [22]: import datetime as dt

In [23]: z.index[0] + dt.timedelta(minutes=5)
Out[23]: Timestamp('2013-01-01 03:05:00', tz=None)

或者您可以添加pd.DateOffset(minutes=5)（这会产生相同的结果）。

DatetimeIndex偏移量

1 个答案: