У меня есть две серии, которые индексируются в том же формате. Вот клипы двух ниже (из-за размера данных я не буду показывать весь набор):Создание базы данных pandas из индексов серии изменений
>>> s1
Out[52]:
parameter_id parameter_type_cs_id
4959 1 -0.2664122
4960 1 -0.004289398
4961 1 -0.006652875
4966 1 -0.004208685
4967 1 -0.02268688
4968 1 -0.05958452
4969 1 -0.01133198
4970 1 -0.01968251
4972 1 -0.05860331
4974 1 -0.08260008
4975 1 -0.05402012
4979 1 -0.0308407
4980 1 -0.02232495
4987 1 -0.2315813
4990 1 -0.02171027
...
727241 1 -0.00156766
727242 1 -0.0009964491
727243 1 -0.007068732
727244 1 -0.003500738
727245 1 -0.006572505
727246 1 -0.0005814131
728060 1 -0.0144799
728062 1 -0.0418521
728063 1 -0.01367948
728065 1 -0.03625054
728066 1 -0.06806824
728068 1 -0.007910916
728071 1 -0.005482052
728073 1 -0.005845178
intercept [-11.4551819018]
Name: coef, Length: 1529, dtype: object
>>> s2
Out[53]:
parameter_id parameter_type_cs_id
4958 1 -0.001683882
4959 1 -1.009859
4960 1 -0.0004456379
4961 1 -0.005564386
4963 1 -0.9145955
4964 1 -0.0009077246
4965 1 -0.0003179153
4966 1 -0.0006907124
4967 1 -0.02125838
4968 1 -0.02443978
4969 1 -0.002665334
4970 1 -0.003135213
4971 1 -0.0003539563
4972 1 -0.03684852
4973 1 -0.0001203596
...
728044 1 -0.0003084855
728060 1 -0.925618
728061 1 -0.001192743
728062 1 -0.9203911
728063 1 -0.002522615
728064 1 -0.0003572484
728065 1 -0.003475959
728066 1 -0.02329697
728068 1 -0.001412785
728069 1 -0.002095895
728070 1 -9.790675e-05
728071 1 -0.0003013977
728072 1 -0.0003369116
728073 1 -0.000249748
intercept [-12.1281459287]
Name: coef, Length: 1898, dtype: object
Форматы индекса одинаковы, и поэтому я стараюсь, чтобы поместить их в dataframe как так :
d = {'s1': s1, 's2': s2}
df = pd.DataFrame(d)
Однако я заметил, что выход есть почти все NaN
, которые я нахожу шокирующим. Я посмотрел на индексах для отдельных серий и заметил, что dataframe было их как строки, а не в том же формате, что и серии
>>> s1.index.values
Out[54]:
array([(4959, 1), (4960, 1), (4961, 1), ..., (728071, 1), (728073, 1),
('intercept', '')], dtype=object)
>>> s2.index.values
Out[55]:
array([(4958, 1), (4959, 1), (4960, 1), ..., (728072, 1), (728073, 1),
('intercept', '')], dtype=object)
Но dataframe имеет строки
>>> df.index.values
Out[56]:
array([('4959', '1'), ('4960', '1'), ('4961', '1'), ..., ('8666', '1'),
('9638', '1'), ('intercept', '')], dtype=object)
Почему изменяя типа и является причиной моей проблемы ...?
Еще более странно для меня, если бы я попробовать то же самое, что и выше на меньшем наборе я вижу поведение я бы ожидать (не все NaN
и индексы не конвертируются)
s1_ = s1[:15]
s2_ = s2[:15]
d_ = {'s1': s1_, 's2': s2_}
df_ = pd.DataFrame(d_) #<---- This has the behavior I would expect
EDIT я нашел способ, который работает, но я не знаю, почему это работает так, если преобразовать обе серии в dataframes затем присоединиться к ним он работает, как ожидалось:
df_1 = pd.DataFrame({'s1': s1})
df_2 = pd.DataFrame({'s2': s2})
new_df = df_1.join(df_2) #WHY DOES THIS WAY WORK!?!?
Вы можете попробовать: 'pd.concat ([s1, s2], axis = 1, keys = [" s1 "," s2 "])' – HYRY
@HYRY Я получаю тот же результат, к сожалению ... все значения NaN и индексы строк – sedavidw
Мне кажется, что ваши данные имеют 3 (4959, 1, -1,009859) значения и два столбца заголовка (parameter_id parameter_type_cs_id). Это ваше намерение. Причина, по которой вы видите индекс в виде массива, вероятно, из-за этого несоответствия – nitin