时间戳

首页 > 解决方案 > 为什么在构造 multiIndex Dataframe 时所有元素都是 NaN

python - 为什么在构造 multiIndex Dataframe 时所有元素都是 NaN

问题描述

假设我有一个这样的数据框。我想将其转换为 2 级多索引数据框。

         dt         st  close  volume
0   20100101  000001.sz      1   10000
1   20100101  000002.sz     10   50000
2   20100101  000003.sz      5    1000
3   20100101  000004.sz     15    7000
4   20100101  000005.sz    100  100000
5   20100102  000001.sz      2   20000
6   20100102  000002.sz     20   60000
7   20100102  000003.sz      6    2000
8   20100102  000004.sz     20    8000
9   20100102  000005.sz    110  110000

但是当我尝试这段代码时：

data = pd.read_csv('data/trial.csv')
print(data)
idx = pd.MultiIndex.from_product([data.dt.unique(),
                                  data.st.unique()],
                                 names=['dt', 'st'])
col = ['close', 'volume']

df = pd.DataFrame(data, idx, col)
print(df)

我发现所有元素都是 NaN

                    close  volume
dt       st                      
20100101 000001.sz    NaN     NaN
         000002.sz    NaN     NaN
         000003.sz    NaN     NaN
         000004.sz    NaN     NaN
         000005.sz    NaN     NaN
20100102 000001.sz    NaN     NaN
         000002.sz    NaN     NaN
         000003.sz    NaN     NaN
         000004.sz    NaN     NaN
         000005.sz    NaN     NaN

如何处理这种情况？谢谢。

标签： pythonpandas

解决方案

你只需要参数index_col：read_csv

#by positions of columns
data = pd.read_csv('data/trial.csv', index_col=[0,1])

或者：

#by names of columns
data = pd.read_csv('data/trial.csv', index_col=['dt', 'st'])

print (data)
                    close  volume
dt       st                      
20100101 000001.sz      1   10000
         000002.sz     10   50000
         000003.sz      5    1000
         000004.sz     15    7000
         000005.sz    100  100000
20100102 000001.sz      2   20000
         000002.sz     20   60000
         000003.sz      6    2000
         000004.sz     20    8000
         000005.sz    110  110000

为什么在构造 multiIndex Dataframe 时所有元素都是 NaN？

原因在DataFrame构造函数中：

df = pd.DataFrame(data, idx, col)

DataFrame调用datahasRangeIndex并且不与 new 对齐MultiIndex，因此获取NaN数据中的 s。

如果总是每个都dt具有相同st的值，则可能的解决方案是按列名称过滤 Dataframe，然后转换为numpy array，但更好的是index_col和set_index解决方案：

df = pd.DataFrame(data[col].values, idx, col)

推荐阅读