3

尝试在熊猫中重新索引数据框时,我遇到了一个非常奇怪的行为。我的 Pandas 版本是 0.10.0,我使用 Python 2.7。基本上,当我加载数据框时:

eurusd = pd.DataFrame.load('EUR_USD_30Min.df').drop_duplicates().dropna()

eurusd

<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 119710 entries, 2003-02-02 17:30:00 to 2012-12-28 17:00:00
Data columns:
open     119710  non-null values
high     119710  non-null values
low      119710  non-null values
close    119710  non-null values
dtypes: float64(4)

然后我尝试在更大的日期范围内重新索引:

newindex  = pd.DateRange(datetime.datetime(2002,1,1), datetime.datetime(2012,12,31), offset=pd.datetools.Minute(30))

newindex

<class 'pandas.tseries.index.DatetimeIndex'>
[2002-01-01 00:00:00, ..., 2012-12-31 00:00:00]
Length: 192817, Freq: 30T, Timezone: None

尝试重新索引数据框时出现奇怪的行为。如果我重新索引数据集的较大部分,我会收到此错误:

eurusd[29558:29560].reindex(index=newindex)

Exception: Reindexing only valid with uniquely valued Index objects

但是,如果我对上面的两个数据子集做同样的事情,我不会得到错误:

这是第一个子集,没有问题,

eurusd[29558:29559].reindex(index=newindex)

<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 192817 entries, 2002-01-01 00:00:00 to 2012-12-31 00:00:00
Freq: 30T
Data columns:
open     1  non-null values
high     1  non-null values
low      1  non-null values
close    1  non-null values
dtypes: float64(4)

这是第二个子集,仍然没有问题,

eurusd[29559:29560].reindex(index=newindex)

<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 192817 entries, 2002-01-01 00:00:00 to 2012-12-31 00:00:00
Freq: 30T
Data columns:
open     1  non-null values
high     1  non-null values
low      1  non-null values
close    1  non-null values
dtypes: float64(4)

我真的为此发疯,无法理解其中的原因。看起来数据框从重复项和重复索引中“干净”......如果你愿意,我可以为数据框提供泡菜文件。

4

1 回答 1

6

您可以按索引分组并获取第一个条目(请参阅文档):

df.groupby(level=0).first()

例子:

In [1]: df = pd.DataFrame([[1], [2]], index=[1, 1])

In [2]: df
Out[2]: 
   0
1  1
1  2

In [3]: df.groupby(level=0).first()
Out[3]: 
   0
1  1
于 2013-01-06T16:55:19.700 回答