熊貓用日期時間對象重新索引數據框

Question

是否有可能使用由日期時間對象組成的列重建索引DataFrame？

我有一個數據幀df有以下的列：

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) 

我可以很容易地重新索引df一起DOYtimestamp有：df.reindex(index=df.dtstamp) 和DOYtimestamp具有以下值：

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

但我d喜歡重新編制由datetime對象組成的dtstamp DataFrame，以便生成不同的時間戳ps直接從索引。該dtstamp列有看起來像值：

>>> 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) 

當我嘗試和重新索引沿dtstampdf我得到如下：

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

我只是不知道我需要做的景氣指數屬於日期時間類型。有什麼想法嗎？

Answer 1

這聽起來像你不想reindex。有點混淆reindex不是爲了定義一個新的索引，相反，它會查找具有指定索引的行。所以如果你有一個索引爲[0, 1, 2]的DataFrame，那麼做一個reindex([2, 1, 0])將以相反的順序返回這些行。做類似reindex([8, 9, 10])的行不會爲行創建新的索引;相反，它會返回一個帶有NaN值的DataFrame，因爲沒有索引爲8,9或10的行。

看起來像你想要的只是保持相同的行，但爲一個完全新的索引他們。爲此，您可以直接指定給索引。所以試着做df.index = df['dtstamp']。