pandas 使用日期时间对象重新索引 DataFrame

Question

是否可以使用由 datetime 对象组成的列重新索引 pandas DataFrame？

我有一个 DataFrame df 包含以下列：

Int64Index: 19610 entries, 0 to 19609
Data columns:
cntr                  19610  non-null values  #int
datflt                19610  non-null values  #float
dtstamp               19610  non-null values  #datetime object
DOYtimestamp          19610  non-null values  #float
dtypes: int64(1), float64(2), object(1)

我可以通过DOYtimestamp 轻松地重新索引df：df.reindex(index=df.dtstamp) 并且DOYtimestamp 具有以下值：

>>> df['DOYtimestamp'].values
    array([ 153.76252315,  153.76253472,  153.7625463 , ...,  153.98945602,
    153.98946759,  153.98947917])

但我想沿着由 datetime 对象组成的 dtstamp 重新索引 DataFrame，以便我直接从索引生成不同的时间戳。 dtstamp 列的值如下所示：

 >>> df['dtstamp'].values
     array([2012-06-02 18:18:02, 2012-06-02 18:18:03, 2012-06-02 18:18:04, ...,
     2012-06-02 23:44:49, 2012-06-02 23:44:50, 2012-06-02 23:44:51], 
     dtype=object)

当我尝试重新索引 df 和 dtstamp 时，我得到以下信息：

>>> df.reindex(index=df.dtstamp)
    TypeError: can't compare datetime.datetime to long

我只是不确定我需要做什么才能使索引成为日期时间类型。有什么想法吗？

Answer 1

听起来你不想重新索引。有点令人困惑的是reindex 不是用于定义新索引，确切地说；相反，它会查找具有指定索引的行。因此，如果您有一个索引为[0, 1, 2] 的DataFrame，那么执行reindex([2, 1, 0]) 将以相反的顺序返回行。执行reindex([8, 9, 10]) 之类的操作不会为行创建新索引；相反，它将返回一个带有 NaN 值的 DataFrame，因为没有索引为 8、9 或 10 的行。

看起来您想要的只是保留相同的行，但为它们创建一个全新的索引。为此，您可以直接分配给索引。所以试试df.index = df['dtstamp']。