Pandas：使用iterrows()和pd.Series将值附加到Series

Question

我的输入数据长这样：

   cat  start               target
0   1   2016-09-01 00:00:00 4.370279
1   1   2016-09-01 00:00:00 1.367778
2   1   2016-09-01 00:00:00 0.385834

我希望使用"start"表示开始日期，使用"target"表示系列值来构建一个系列。iterrows()可以正确地提取"imp"的值，但是当将其附加到time_series时，只有第一个值被传递到所有系列点。为什么"data=imp"每次都会提取第0行？

t0 = model_input_test['start'][0] # t0 = 2016-09-01 00:00:00
num_ts = len(model_input_test.index) # num_ts = 1348
time_series = []
for i, row in model_input_test.iterrows():
    imp = row.loc['target']
    print(imp)
    index = pd.DatetimeIndex(start=t0, freq='H', periods=num_ts)
    time_series.append(pd.Series(data=imp, index=index))

这里可以看到一个截图。

时间序列系列“time_series”应该长这样：

2016-09-01 00:00:00    4.370279
2016-09-01 01:00:00    1.367778
2016-09-01 02:00:00    0.385834

但最终看起来像这样：

2016-09-01 00:00:00    4.370279
2016-09-01 01:00:00    4.370279
2016-09-01 02:00:00    4.370279

我正在Sagemaker上使用Jupyter conda_python3。

- mwhee

---

你正在使用变量“index”进行循环，然后创建一个“datetimeindex”，这似乎是个问题。 - Yuca

请注意：time_series不是pd.Series，而是pd.Series实例的list。编辑：您需要遍历行吗？您是否考虑过类似于pd.Series(data=model_input_test['target'], index=index)的东西？ - Tomas Farias

Answer 1

当使用数据框时，通常有比迭代数据框更好的方法来完成任务。例如，在您的情况下，您可以像这样创建您的系列：

time_series = (df.set_index(pd.date_range(pd.to_datetime(df.start).iloc[0],
                                        periods = len(df), freq='H')))['target']


>>> time_series
2016-09-01 00:00:00    4.370279
2016-09-01 01:00:00    1.367778
2016-09-01 02:00:00    0.385834
Freq: H, Name: target, dtype: float64
>>> type(time_series)
<class 'pandas.core.series.Series'>

基本上，这意味着：“将索引设置为从第一个日期开始每小时递增的日期范围，然后获取target列”。

- sacuL

---

谢谢Sacul - 很高效的解决方案！ - mwhee

Answer 2

给定一个数据框 df 和系列 start 和 target，您可以简单地使用 set_index：

time_series = df.set_index('start')['target']

- jpp