寫入HDFStore時，是否可以保留Pandas tseries DatetimeIndex的頻率？

Question

我有一個熊貓數據幀中的索引（注意頻率：H） -

<class 'pandas.tseries.index.DatetimeIndex'> 
[2011-01-01 00:00:00, ..., 2013-12-31 23:00:00] 
Length: 26304, Freq: H, Timezone: None 

有多個列，但排第幾（和其他散落各處）都NA條目。如果我寫這篇文章的HDF文件這樣的：

hdfstore.put('/table', df, format='table', data_columns=True, append=False) 

，然後讀回用：

df = hdfstore['/table'] 

，並期待指數，我看到：

<class 'pandas.tseries.index.DatetimeIndex'> 
[2011-01-11 04:00:00, ..., 2013-12-31 23:00:00] 
Length: 24656, Freq: None, Timezone: None 

注意， Freq現在爲None，並且行數少，開始日期時間晚。第一行現在是原始DataFrame的第一行，其中至少包含一個非NA列值。

首先，這是由於HDF5格式的侷限性，數據幀的存儲方式或錯誤而導致的預期行爲？

有沒有一種乾淨的方法來避免這種情況的發生，或者我只是需要在加載後「修復」索引。不知道做這件事的最好方法是什麼。

Answer 1

它們是在0.13.1（可能爲0.13.0）中引入的選項，您可以在put/append上設置dropna=False以避免丟棄全部NaN行。這樣做是爲了提高效率，因爲大多數情況下，在存儲Panel的時候，你有很多全NaN行，但沒有理由存儲它們。

否則頻率信息將被保留。請注意，如果你是appending，如果多次追加，頻率信息將不會被保留。

如果您需要重新推斷頻率（如果可能），您可以隨時pd.infer_freq(an_index)。通常，如果需要，可以在任何情況下自動完成。