如何在不改变其核心的情况下重新采样数据框？答案

【问题标题】：How to resample the dataframe without changing it's core?如何在不改变其核心的情况下重新采样数据框？
【发布时间】：2019-04-05 20:35:56
【问题描述】：

如何在不改变其核心的情况下重新采样数据帧？

import pandas as pd
import sys
if sys.version_info[0] < 3: 
    from StringIO import StringIO
else:
    from io import StringIO

csvdata = StringIO("""date,LASTA,LASTB,LASTC
1999-03-15,2.5597,8.20145,16.900
1999-03-16,2.6349,8.03439,17.150
1999-03-17,2.6375,8.12431,17.125
1999-03-18,2.6375,8.27908,16.950
1999-03-19,2.6634,8.54914,17.325
1999-03-22,2.6721,8.32183,17.195
1999-03-23,2.6998,8.21218,16.725
1999-03-24,2.6773,8.15284,16.350
1999-03-25,2.6807,8.08378,17.030
1999-03-26,2.7802,8.14038,16.725
1999-03-29,2.8139,8.07832,16.800
1999-03-30,2.8105,8.10124,16.775
1999-03-31,2.7724,7.73057,16.955
1999-04-01,2.8321,7.63714,17.500
1999-04-06,2.8537,7.63703,17.750""")

df = pd.read_csv(csvdata, sep=",", index_col="date", parse_dates=True, infer_datetime_format=True)

这是我的代码...

# Join 3 stock DataFrame together
full_df = pd.concat([AAAA, BBBB, CCCC], axis=1).dropna()

# Resample the full DataFrame to monthly timeframe
monthly_df = full_df.resample('BMS').first()

# Calculate daily returns of stocks
returns_daily = full_df.pct_change()

# Calculate monthly returns of the stocks
returns_monthly = monthly_df.pct_change().dropna()
print(returns_monthly.tail())

这是我得到的错误...

TypeError: Only valid with DatetimeIndex, TimedeltaIndex or PeriodIndex, but got an instance of 'Index'

我已经尝试过pd.Dataframe 然后DataTimeIndex 甚至pd.to_datetime，但不知何故我只会让事情变得更糟

【问题讨论】：

欢迎来到stackoverflow Thiago。您能否提供一小部分数据样本？
你应该edit你的问题来包含所请求的数据，你在 cmets 中没有运气。
@ChrisA pro-tip 基本上每天都在搜索指向该链接的链接。只需键入[mcve]（但没有反引号）即可自动生成带有其名称的超链接。与[edit] 相同，我使用它自动生成链接供 OP 编辑他们的帖子
@roganjosh 头脑...炸了..！非常感谢这位朋友的提示。
所以您已经尝试过df.index = pd.to_datetime(df.index)，但仍然有问题？似乎您只是将普通字符串作为索引而不是DatetimeIndex。 type(df.index) 是什么？

标签： python pandas dataframe indexing datetimeindex

【解决方案1】：

请将索引转换为日期时间索引：

full_df.index = pd.to_datetime(full_df.index)

【讨论】：

@ThiagoAV 很高兴听到这个消息 :-) 请选择我的答案作为正确答案。

【解决方案2】：

问题在于连接数据帧的索引不是可重采样的类型。这是您的 MCVE 的工作版本，它展示了如何将数据的索引转换为可重采样类型。

import pandas as pd
import sys
if sys.version_info[0] < 3: 
    from StringIO import StringIO
else:
    from io import StringIO

csvdata = StringIO("""date,LASTA,LASTB,LASTC
1999-03-15,2.5597,8.20145,16.900
1999-03-16,2.6349,8.03439,17.150
1999-03-17,2.6375,8.12431,17.125
1999-03-18,2.6375,8.27908,16.950
1999-03-19,2.6634,8.54914,17.325
1999-03-22,2.6721,8.32183,17.195
1999-03-23,2.6998,8.21218,16.725
1999-03-24,2.6773,8.15284,16.350
1999-03-25,2.6807,8.08378,17.030
1999-03-26,2.7802,8.14038,16.725
1999-03-29,2.8139,8.07832,16.800
1999-03-30,2.8105,8.10124,16.775
1999-03-31,2.7724,7.73057,16.955
1999-04-01,2.8321,7.63714,17.500
1999-04-06,2.8537,7.63703,17.750""")

#df = pd.read_csv(csvdata, sep=",", index_col="date", parse_dates=True, infer_datetime_format=True)
#print(type(df.index))

df = pd.read_csv(csvdata, sep=",")
df.set_index(['date'], inplace=True)
print(type(df.index))
df.index = pd.to_datetime(df.index)
print(type(df.index))

# Join 3 stock DataFrame together
full_df = pd.concat([df, df, df], axis=1).dropna()
#print(full_df)

# Resample the full DataFrame to monthly timeframe
monthly_df = full_df.resample('BMS').first()
#print(monthly_df)

# Calculate daily returns of stocks
returns_daily = full_df.pct_change()
#print(returns_daily)

# Calculate monthly returns of the stocks
returns_monthly = monthly_df.pct_change().dropna()
#print(returns_monthly.tail())

【讨论】：