能否使用由日期时间对象组成的列重新索引pandas DataFrame
?
我有一个包含以下列的df
DataFrame:
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)
我可以使用以下代码轻松地沿着 DOYtimestamp
重新索引 df
:df.reindex(index=df.dtstamp)
而 DOYtimestamp
具有以下值:
>>> df['DOYtimestamp'].values
array([ 153.76252315, 153.76253472, 153.7625463 , ..., 153.98945602,
153.98946759, 153.98947917])
但我想重新索引DataFrame,沿着由日期时间对象组成的dtstamp
进行索引,以便我可以直接从索引中生成不同的时间戳。 dtstamp
列的值看起来像:
>>> 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)
当我尝试沿着
dtstamp
重新索引df
时,我会得到以下结果:>>> df.reindex(index=df.dtstamp)
TypeError: can't compare datetime.datetime to long
我不确定如何将索引设置为日期时间类型。有什么想法吗?
set_index
方法。 - Wes McKinney