熊猫：重新索引数据框架不会保留初始值

Question

我有一个由5个递减系列组成的数据帧（每行290行），其值介于0和1之间。

数据看起来像这样：

    A   B   C   D   E
0.60    0.998494    1.0 1.0 1.0 1.0
0.65    0.997792    1.0 1.0 1.0 1.0
0.70    0.996860    1.0 1.0 1.0 1.0
0.75    0.995359    1.0 1.0 1.0 1.0
0.80    0.992870    1.0 1.0 1.0 1.0

我想重新索引数据帧，以便每行之间有0.01个增量。我尝试了pd.DataFrame.reindex但无济于事：这会返回一个数据框，其中大部分值为np.NaN

import pandas as pd
df = pd.read_csv('http://pastebin.com/raw/yeHdk2Gq', index_col=0)
print df.reindex(np.arange(0.6, 3.5, 0.025)).head()

仅返回两个有效行，并将其他288个转换为NaN：

    A   B   C   D   E
0.600   0.998494    1.0 1.0 1.0 1.0
0.625   NaN NaN NaN NaN NaN
0.650   0.997792    1.0 1.0 1.0 1.0
0.675   NaN NaN NaN NaN NaN
0.700   NaN NaN NaN NaN NaN ##This row existed before reindexing

Pandas不能将新索引与初始值匹配，尽管似乎没有舍入问题（初始索引不超过2位小数）。

这似乎与我的数据有某种关系，因为以下是按预期工作的：

df = pd.DataFrame(np.random.randn(10,3), columns=['A', 'B', 'C'])\
       .reindex(np.arange(1, 10, 0.5))
print df.head()

给出了：

            A         B         C
1.0  0.206539  0.346656  2.578709
1.5       NaN       NaN       NaN
2.0  1.164226  2.693394  1.183696
2.5       NaN       NaN       NaN
3.0 -0.532072 -1.044149  0.818853

感谢您的帮助！

Answer 1

这是因为numpy的精确度。

In [31]: np.arange(0.6, 3.5, 0.025).tolist()[0:10]

Out[31]: 
[0.6, 0.625, 0.65, 0.675, 0.7000000000000001, 0.7250000000000001, 
 0.7500000000000001, 0.7750000000000001, 0.8000000000000002, 0.8250000000000002]

Answer 2

正如@Danche和@EdChum指出的那样，这实际上是一个NumPy舍入问题。以下作品：

df = pd.read_csv('http://pastebin.com/raw/yeHdk2Gq', index_col=0)\
       .reindex([round(i, 5) for i in np.arange(0.6, 3.5, 0.01)])\
       .interpolate(kind='cubic', axis=0)

按预期返回：

    A   B   C   D   E
0.60    0.998494    1.0 1.0 1.0 1.0
0.61    0.998354    1.0 1.0 1.0 1.0
0.62    0.998214    1.0 1.0 1.0 1.0
0.63    0.998073    1.0 1.0 1.0 1.0
0.64    0.997933    1.0 1.0 1.0 1.0

由于