问题不在于df.loc;
df.loc [idx,’Weekday’]刚刚返回一个系列.
令人惊讶的行为是由于pd.Series尝试将类似日期时间的值转换为Timestamps的方式.
df.loc[0,'Weekday']
形成系列
pd.Series(np.array([pd.Timestamp('2014-01-01 00:00:00'),'WED'],dtype=object))
当调用pd.Series(…)时,它将tries to cast the data转换为适当的dtype.
sample = v[:min(3,len(v))]
inferred_type = lib.infer_dtype(sample)
这是检查数据的前几个元素并尝试推断dtype.
当其中一个值是pd.Timestamp时,Pandas会检查是否所有数据都可以转换为时间戳.实际上,’Wed’可以转换为pd.Timestamp:
In [138]: pd.Timestamp('Wed')
Out[138]: Timestamp('2014-12-17 00:00:00')
这是问题的根源,导致pd.Series返回
两个时间戳而不是时间戳和字符串:
In [139]: pd.Series(np.array([pd.Timestamp('2014-01-01 00:00:00'),dtype=object))
Out[139]:
0 2014-01-01
1 2014-12-17
dtype: datetime64[ns]
因此返回
In [140]: df.loc[0,'Weekday']
Out[140]: Timestamp('2014-12-17 00:00:00')
而不是’星期三’.
替代方案:首先选择系列df [‘Weekday’]:
有很多解决方法; EdChum表明,向样本添加非日期(整数)值可以防止pd.Series将所有值强制转换为时间戳.
或者,您可以在使用.loc之前访问df [‘Weekdays’]:
for idx in df.index:
print df['Weekday'].loc[idx]
替代方案:df.loc [[idx],’Weekday’]:
另一种选择是
for idx in df.index:
print df.loc[[idx],'Weekday'].item()
df.loc [[idx],’Weekday’]首先选择DataFrame df.loc [[idx]].例如,当idx等于0时,
In [10]: df.loc[[0]]
Out[10]:
Date Weekday
0 2014-01-01 WED
而df.loc [0]返回系列:
In [11]: df.loc[0]
Out[11]:
Date 2014-01-01
Weekday 2014-12-17
Name: 0,dtype: datetime64[ns]
Series尝试将值转换为单个有用的dtype. DataFrame可以为每列提供不同的dtype.因此,Date列中的Timestamp不会影响Weekday列中值的dtype.
因此,使用返回DataFrame的索引选择器可以避免问题.
替代方案:使用整数作为工作日
另一种方法是在工作日存储isoweekday整数,并在打印时仅在结尾处转换为字符串:
import datetime
import pandas as pd
dict_weekday = {1: 'MON',columns=['Date'])
df['Weekday'] = df['Date'].dt.weekday+1 # add 1 for isoweekday
for idx in df.index:
print dict_weekday[df.loc[idx,'Weekday']]
替代方案:使用df.ix:
df.loc是_LocIndexer,而df.ix是_IXIndexer.他们有
不同的__getitem__方法.如果您单步执行代码(例如,使用pdb),您将找到df.ix calls df.getvalue:
def __getitem__(self,key):
if type(key) is tuple:
try:
values = self.obj.get_value(*key)
并且DataFrame方法df.get_value成功返回’WED’:
In [14]: df.get_value(0,'Weekday')
Out[14]: 'WED'
这就是为什么df.ix是另一种在这里工作的选择.