pandas.Serie() die Schöpfung mit DataFrame Spalten NaN zurück Daten-Einträge

Im Versuch, zu konvertieren, ein dataframe in eine Reihe mit code, die, vereinfacht, wie folgt aussieht:

dates = ['2016-1-{}'.format(i)for i in range(1,21)]
values = [i for i in range(20)]
data = {'Date': dates, 'Value': values}
df = pd.DataFrame(data)
df['Date'] = pd.to_datetime(df['Date'])
ts = pd.Series(df['Value'], index=df['Date'])
print(ts)

Jedoch, print-Ausgabe sieht wie folgt aus:

Date
2016-01-01   NaN
2016-01-02   NaN
2016-01-03   NaN
2016-01-04   NaN
2016-01-05   NaN
2016-01-06   NaN
2016-01-07   NaN
2016-01-08   NaN
2016-01-09   NaN
2016-01-10   NaN
2016-01-11   NaN
2016-01-12   NaN
2016-01-13   NaN
2016-01-14   NaN
2016-01-15   NaN
2016-01-16   NaN
2016-01-17   NaN
2016-01-18   NaN
2016-01-19   NaN
2016-01-20   NaN
Name: Value, dtype: float64

Wo kommt NaN kommen? Ist eine Sicht auf einen DataFrame Objekt ist keine gültige Eingabe für die Series Klasse ?

Ich habe Sie gefunden to_series - Funktion für pd.Index Objekte, gibt es etwas ähnliches für DataFrames ?

Sind Sie beginnend mit dem dataframe oder ist es nur ein Zwischenschritt?
Beginnend mit einem dataframe - das ist der Grund, warum ich nicht steckte es in eine Reihe sofort; das laden der Daten aus einer CSV mit mehreren Spalten.
Ah okay. So können Sie ignorieren meine Antwort.

InformationsquelleAutor nlsdfnbch | 2016-03-05

  1. 15

    Ich denke, dass Sie verwenden können,Werte, es konvertieren Spalte Value array:

    ts = pd.Series(df['Value'].values, index=df['Date'])
    import pandas as pd
import numpy as np
import io

dates = ['2016-1-{}'.format(i)for i in range(1,21)]
values = [i for i in range(20)]
data = {'Date': dates, 'Value': values}
df = pd.DataFrame(data)
df['Date'] = pd.to_datetime(df['Date'])
print df['Value'].values
[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19]

ts = pd.Series(df['Value'].values, index=df['Date'])
    print(ts)
Date
2016-01-01     0
2016-01-02     1
2016-01-03     2
2016-01-04     3
2016-01-05     4
2016-01-06     5
2016-01-07     6
2016-01-08     7
2016-01-09     8
2016-01-10     9
2016-01-11    10
2016-01-12    11
2016-01-13    12
2016-01-14    13
2016-01-15    14
2016-01-16    15
2016-01-17    16
2016-01-18    17
2016-01-19    18
2016-01-20    19
dtype: int64

    Oder Sie verwenden können:

    ts1 = pd.Series(data=values, index=pd.to_datetime(dates))
print(ts1)
2016-01-01     0
2016-01-02     1
2016-01-03     2
2016-01-04     3
2016-01-05     4
2016-01-06     5
2016-01-07     6
2016-01-08     7
2016-01-09     8
2016-01-10     9
2016-01-11    10
2016-01-12    11
2016-01-13    12
2016-01-14    13
2016-01-15    14
2016-01-16    15
2016-01-17    16
2016-01-18    17
2016-01-19    18
2016-01-20    19
dtype: int64

    Danke @ajcr für eine bessere Erklärung, warum man NaN:

    Wenn Sie einen Series oder DataFrame Spalte pd.Series es wird neu indizieren diese mithilfe der index Sie angeben. Da Ihr DataFrame Spalte ist ein integer index (nicht date index) erhalten Sie viele fehlende Werte.

    Und so kann ich! Cheers, mate!
    Aus Neugier, aus was es konvertieren die Daten in der Liste ? Ich dachte immer, ich kann mir denken, die zurückgegebenen Werte df['Date'] als iterierbar, vergleichbar mit Listen - ist das nicht der Fall?
    Wenn Sie eine Serie oder DataFrame Spalte pd.Series wird, wird es reindex über den index, den Sie angeben. Da Ihr DataFrame Spalte ist ein integer-index (kein Datum index). erhalten Sie viele fehlende Werte.
    Danke für die Erklärung.

    InformationsquelleAutor jezrael

  2. 0

    Wenn Sie nur auf der Suche nach eine zu erstellen Reihe mit diesen Werten könnte man auch getan haben: 

     pd.Series( [i for i in range(20)],  pd.date_range('2016-01-02', periods=20, freq='D'))

    InformationsquelleAutor k-nut

  3. 0

    Können Sie nur:

    s = df.set_index('Date')

    Ist jetzt eine Spalte dataframe.

    Wenn Sie wirklich wollen, es als eine Serie:

    s = df.set_index('Date').Value

    btw, NaN numpy ist Keine Zahl.

    Mit Ihrer Methode, die Sie verwenden könnten:

    ts = pd.Series(df['Value'].values, name='Value', index=df['Date'])

    Dem Grund, dass Sie immer die NaNs ist, dass Sie nicht die Bereitstellung der Daten in das richtige format. Sie übergeben eine Serie zu Serie.

    InformationsquelleAutor Alexander

Schreibe einen Kommentar