Question

我有一个pandas数据框df_data，想要使用pandas index.asof（）方法查找到指定时间的最近行。我的时间是几秒钟（type = float64）（见下文）。

最初，索引是DateTimeIndex：

In [12]: df_data.index = pd.to_datetime(df_data.index, coerce=True) 
         df_data.index.dtype
Out[12]: dtype('<M8[ns]')

然后，我将索引从初始时间改为秒：

In [22]: ## Convert the index from DateTimeIndex to a float64 
         ## that is the number of seconds from the initial measurement
         df_data.index = (df_data.index - df_data.index[0])/np.timedelta64(1,'s')
In [23]: df_data.index.dtype
Out[23]: dtype('float64')

但是当我尝试使用带浮点数的asof方法时，我得到一个TypeError：

In [24]: df_data.index.asof(10.0)
...
TypeError: Cannot compare type 'Timestamp' with type 'float'

我曾尝试使用datetime，datetime.fromtimestamp等，但无法解决此问题。

Answer 1

感谢@joris的深刻见解。

<强>解

在将索引从DateTimeIndex更改为float之前（即问题中描述的初始测量的秒数），您需要确定时间（在这种情况下，我使用一个简单的示例，一次time_float）你想在哪里找到最近的索引。然后，这些日期时间索引可以转换为浮点索引：

In [21]: time_float = 10.0
         time_td = df_data.index[0]+ datetime.timedelta(0,time_float)
         ## convert from the DateTimeIndex type to time from start in seconds as type float64
         time_index = (df_data.index.asof(time_td) - df_data.index[0]).total_seconds()
         time_index
Out[21]: 9.86296

现在，在将索引（上面给出）从初始时间整体转换为秒后，我可以参考最接近time_float的索引，即time_index：

In [24]: df_data.ix[time_index,0]
Out[24]: 0.00075450129999999997

python pandas TypeError：无法比较类型＆＃39;时间戳＆＃39;类型＆＃39;浮动＆＃39;

1 个答案: