Question

我有一个Pandas DataFrame，其索引是（注意Freq：H） -

<class 'pandas.tseries.index.DatetimeIndex'>
[2011-01-01 00:00:00, ..., 2013-12-31 23:00:00]
Length: 26304, Freq: H, Timezone: None

有多个列，但前几行（以及其他分散的行）都包含所有NA条目。如果我将其写入HDF文件，那么：

hdfstore.put('/table', df, format='table', data_columns=True, append=False)

然后阅读：

df = hdfstore['/table']

看看索引，我看到了：

<class 'pandas.tseries.index.DatetimeIndex'>
[2011-01-11 04:00:00, ..., 2013-12-31 23:00:00]
Length: 24656, Freq: None, Timezone: None

请注意，Freq现在为None，并且行数较少，开始日期时间较晚。第一行现在是原始DataFrame的第一行，其中包含至少一个非NA列值。

首先，由于HDF5格式的限制以及DataFrames的存储方式或错误，这是预期的行为吗？

是否有一种干净的方法可以避免这种情况发生，或者我只需要在加载后“修复”索引。不知道最好的方法是做什么。

Answer 1

它们是0.13.1中引入的选项（可能是0.13.0），您可以在dropna=False上设置put/append以避免丢弃全NaN行。这样做是为了提高效率，因为大多数情况下存储Panel，你有很多全NaN行，但没有理由存储它们。

否则将保留频率信息。请注意，如果您是appending，则多次附加时不会保留频率信息。

如果您需要重新推断频率（如果可能），您可以随时pd.infer_freq(an_index)。通常，如果需要，这可以在任何情况下自动完成。