Question

我有一些Dataframes，月平均值如下：

Month,Value1,Value2
02,1,1
03,2,2
04,3,3
06,4,4
07,5,5
08,6,6
09,7,7
10,8,8
12,9,9

我的问题是那些数据帧在几个月内丢失了，在附带的示例中，缺少第1,5和11个月。

因此，我想重新索引数据框并按NaN填充缺失的值，如下所示：

Month,Value1,Value2
01,NaN,NaN
02,1,1
03,2,2
04,3,3
05,NaN,NaN
06,4,4
07,5,5
08,6,6
09,7,7
10,8,8
11,NaN,NaN
12,9,9

我做了这个小代码：

data = pd.read_csv("test.csv", index_col=[0])
new_index = ['1', '2', '3', '4', '5', '6', '7', '8', '9', '10', '11', '12']
data = data.reindex(new_index)

不幸的是，输出远远不是所需的输出，所有的值现在都被NaN替换：

Month,Value1,Value2
01,NaN,NaN
02,NaN,NaN
03,NaN,NaN
04,NaN,NaN
05,NaN,NaN
06,NaN,NaN
07,NaN,NaN
08,NaN,NaN
09,NaN,NaN
10,NaN,NaN
11,NaN,NaN
12,NaN,NaN

有谁知道为什么？也许如何解决这个问题？

Answer 1

当您阅读csv时，索引的类型为int64，您可以查看以下内容：

data = pd.read_csv("test3.csv", index_col=[0])
print(data.index.dtype)

结果：

int64

现在，使用reindex时如下：

new_index = ['1', '2', '3', '4', '5', '6', '7', '8', '9', '10', '11', '12']
data = data.reindex(new_index)

在上面，如果new_index类型为str，则它与现有索引不匹配，并且将生成新对象：根据{{3}}：

文档字符串：


使用可选的填充逻辑将DataFrame符合到新索引     NA / NaN在先前索引中没有值的位置。一个新对象     除非新索引等于当前的索引，否则会产生     复制=假

因此，您可能希望尝试使用类型为int而不是str的新索引：

new_index = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]   
data = data.reindex(new_index)

Python - 重新索引每月值

1 个答案: