无法使用所需索引重新索引 pandas 数据帧答案

【问题标题】：cannot reindex pandas dataframe with required indexes无法使用所需索引重新索引 pandas 数据帧
【发布时间】：2017-08-30 01:46:54
【问题描述】：

我在pandas 中有一个数据框df，如下所示：

                                         signal1
timestamp                                       
2017-08-23 21:30:00.012                 181643.0
2017-08-23 21:31:00.002                 181635.0
2017-08-23 21:32:00.003                 181630.0
2017-08-23 21:33:00.006                 181611.0
2017-08-23 21:34:00.002                 181644.0

我有这样的索引：

[2017-08-23 14:30:00-07:00, 2017-08-23 14:31:00-07:00, 2017-08-23 14:32:00-07:00, 2017-08-23 14:33:00-07:00, 2017-08-23 14:34:00-07:00, 2017-08-23 14:35:00-07:00]

现在，如果我像这样重新索引df：

df = df.reindex(indexes)

输出是：

timestamp                                    signal1
2017-08-23 14:30:00-07:00                      NaN
2017-08-23 14:31:00-07:00                      NaN
2017-08-23 14:32:00-07:00                      NaN
2017-08-23 14:33:00-07:00                      NaN
2017-08-23 14:34:00-07:00                      NaN
2017-08-23 14:35:00-07:00                      NaN

我希望输出是：

signal_name                                    signal1
2017-08-23 14:30:00-07:00                      181643.0
2017-08-23 14:31:00-07:00                      181643.0
2017-08-23 14:32:00-07:00                      181643.0
2017-08-23 14:33:00-07:00                      181643.0
2017-08-23 14:34:00-07:00                      181643.0
2017-08-23 14:35:00-07:00                        NaN

我不明白为什么它没有正确重新索引。

【问题讨论】：

来自the documentation：“使用可选填充逻辑将 DataFrame 与新索引一致，将 NA/NaN 放置在先前索引中没有值的位置。”。 signal1 在给定的时间戳上没有值。
您似乎只想重置索引。不重新索引。
而reset_index() 不会做你想做的事。索引对象是不可变的。
仔细看，需要的索引偏移了7个小时。因此，它们具有与原件相同的索引。唯一的区别是一个精度为毫秒，另一个精度为分钟。

标签： python pandas data-analysis

【解决方案1】：

reindex 所做的是

使用可选的填充逻辑使系列与新索引一致，放置 NA/NaN 在先前索引中没有值的位置。

意味着您在之前的索引中没有 2017-08-23 14:30:00-07:00，所以它是 NaN。如果您有2017-08-23 21:30:00.012 或其他原始索引，它会改变您的数据和索引的映射。

Index 是不可变对象。

不可变的 ndarray 实现了一个有序的、可切片的集合。基础的对象存储所有 pandas 对象的轴标签

因此您需要使用新索引和原始数据创建一个新实例。

Series(data=origin_data, index=new_index)

或

Dataframe(data=origin_data, index=new_index)

【讨论】：