为什么在尝试对Pandas DataFrame进行切片时出现此TypeError？

Question

我从财务API中提取了一些股票数据，并使用它创建了一个DataFrame。列为“日期”，“数据1”，“数据2”，“数据3”。然后，我将该DataFrame转换为CSV文件，并以“日期”列作为索引：

df.to_csv('data.csv', index_label='date')

在第二个脚本中，我读取了CSV并尝试在两个日期之间切片所得的DataFrame：

df = pd.read_csv('data.csv', parse_dates=['date'] ,index_col='date')
df = df['2020-03-28':'2020-04-28']

当我尝试执行此操作时，出现以下TypeError：

TypeError: cannot do slice indexing on <class 'pandas.core.indexes.numeric.Int64Index'> with these indexers [2020-03-28] of <class 'str'>

很明显，问题在于我正在尝试使用str切片日期时间对象。但这是令人困惑的部分！如果在第一步中，我将DataFrame保存到csv中，并且不要将'date'设置为索引：

df.to_csv('data.csv')

在第二个脚本中，我不再遇到TypeError：

df = pd.read_csv('data.csv', parse_dates=['date'] ,index_col='date')
df = df['2020-03-28':'2020-04-28']

现在可以正常工作了。唯一的问题是我要处理默认的Pandas索引列。

为什么当我在CSV中将“日期”列设置为索引时会出现TypeError ...但是当我在CSV中未设置任何索引时却没有出现TypeError吗？

Answer 1

在您的 df 的“第一个”实例中，似乎 date 列是一个 普通列（不是索引），并且此DataFrame具有默认值 索引-连续的整数（其名称并不重要）。

在这种情况下，运行df.to_csv('data.csv', index_label='date') 导致输出文件包含：

date,date,data1,data2,data3
0,2020-03-27,10.5,12.3,13.2
1,2020-03-28,10.6,12.9,14.7

即：

• 索引列（整数）的名称是 date ，由您在 index_label 参数，
• 在 df 中被命名为 date 的下一个列也也是 指定日期名称。

然后，如果您阅读它正在运行 df = pd.read_csv('data.csv', parse_dates=['date'], index_col='date')，然后：

• 第一个 date 列（整数）已被读取为 date 和 设置为索引，
• 第二个 date 列（日期）被读取为 date.1 和 这是普通列。

现在，当您运行df['2020-03-28':'2020-04-28']时，您尝试查找行 index 在给定的范围内。但是索引列是 Int64Index 类型（在您的安装中检查此类型），因此仅提及异常 被扔了。

当您运行df.to_csv('data.csv')时，情况看起来会有所不同。 现在，该文件包含：

,date,data1,data2,data3
0,2020-03-27,10.5,12.3,13.2
1,2020-03-28,10.6,12.9,14.7

即：

• 第一列（在 df 中为索引）没有名称，并且 int 值，
• 名为 date 的 only 列是第二列，包含 日期。

现在，当您阅读它时，结果是：

• 日期（已转换为 DatetimeIndex ）是索引，
• 原始索引列的名称为 Unnamed：0 ，不足为奇， 因为在源文件中没有名称。

现在，当您运行df['2020-03-28':'2020-04-28']时，一切正常。

未来需要学习的东西： 运行df.to_csv('data.csv', index_label='date')不会设置此项 列作为索引。它仅保存当前索引列 在给定名称下不做任何检查 只是同一个名字。

结果是2列可以具有相同的名称。