【Python】执行 pandas.reindex 后将已有 dataframe 全部变为 NaN 值（已解决）

于 2023-11-11 00:47:22 发布
阅读量404 收藏 1
点赞数
文章标签： pandas python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_55859636/article/details/134343393
版权

坑！

需要定义一个dataframe的index，使用index设置索引后原有数据全部变为NaN值：

date_range_5678 = pd.date_range(start='2015-01-01', periods=1461)
date_index_5678 = pd.DatetimeIndex(date_range_5678)
data1 = pd.DataFrame(data0, index=date_index_5678)

全变成NaN了

继续尝试，先不指定索引，然后重新索引reindex：

date_range_5678 = pd.date_range(start='2015-01-01', periods=1461)
date_index_5678 = pd.DatetimeIndex(date_range_5678)
data1 = pd.DataFrame(data0)
data1 = data0.reindex(date_index_5678)

依旧不行，可见以上两种方式是等价的。

解决！

参考【已解决】pandas_reindex 将dataframe中的值转为里nan得知：

reindex 用作按照新的index重组，并对原来不存在的index下的数据予以 NA/NaN 赋值。

也就是说，reindex应该用作根据已有的索引进行数据操作，而不能用作创建新的索引。

更改为：

date_range_5678 = pd.date_range(start='2015-01-01', periods=1461)
date_index_5678 = pd.DatetimeIndex(date_range_5678)
data1 = pd.DataFrame(data0).set_index(date_range_5678)

成功！
成功！

weixin_55859636
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
pandas使用assign函数在dataframe数据列中插入全是全是缺失值（NaN）的数据列（add an empty column in dataframe）
data+scenario+science+insight
06-08 420
pandas使用assign函数在dataframe数据列中插入全是全是缺失值（NaN）的数据列（add an empty column in dataframe）
python dataframe索引为什么全是0_pandas版本0.16.0更改dataframe索引后，所有值都变为NaN...
weixin_39597399的博客
12-19 1015
如果要更改索引，请使用reindex或直接指定给索引：In [5]:data1=pd.DataFrame({'AAA':[4,5,6,7],'BBB':[10,20,30,40],'CCC':[100,50,-30,-50]})print(data1)df=pd.DataFrame(data=data1)df.index = ['a','b','c','d']dfAAA BBB CCC0 ...
python使用pandas模块设置行列索引后单元数值全变Nan值
weixin_55579895的博客
10-12 2536
问题背景 使用pandas模块设置行列索引后单元数值全变Nan值 代码如下 # 错误 # 构造行索引序列 st_code = ['股票'+str(i) for i in range(st_change.shape[0])] print(st_code) # 添加行索引 data = pd.DataFrame(st_change, index=st_code) data 解决问题 原因分析 这种写法可能不适用 正确写法： 方法1：对dataframe结构的行索引index直接更改，有可能出问题，取决于赋什
Pandas 模块-操纵数据(2)-重新索引-reindex()函数
一分耕耘一分收获
12-07 1万+
2. 重新索引 2.1reindex() 函数 2.1.1reindex() 语法 DataFrame.reindex(self,labels=None,index=None,columns=None,axis=None,method=None,copy=True,level=None,fill_value=nan,limit=None,tolerance=None) 使用可选的填充逻辑使DataFrame符合新索引。 labels : 类似数组，可选，新 labels ...
chatgpt赋能python：Python如何将数据转换为NaN
a1sssssb的博客
06-21 663
将无效、不完整或异常数据转换为NaN是数据清洗和预处理过程中的关键步骤。在Python中，可以使用numpy库中的np.nan常量将数据转换为NaN。这样可以保证数据的准确性和可靠性，在后续的数据分析和建模过程中更方便。本文由chatgpt生成，文章没有在chatgpt生成的基础上进行任何的修改。以上只是chatgpt能力的冰山一角。作为通用的Aigc大模型，只是展现它原本的实力。对于颠覆工作方式的ChatGPT，应该选择拥抱而不是抗拒，未来属于“会用”AI的人。
python——pandas——设置dataFrame某列为空值（NaN）
热门推荐
huangguohui_123的博客
02-09 2万+
有以上数据集，现在要将某列的数据变成空值(NaN)。 import numpy as np store_onlinestatus_new=store_onlinestatus.copy() store_onlinestatus_new['sid-2018']=np.nan
在DataFrame中新建列赋值后全部为NaN(转)
微电子学与固体电子学-俞驰
09-25 5769
df['newColumn']=df_other['otherColumn'] 改为： df['newColumn']=list(df_other['otherColumn']) 或者 df['newColumn']=df_other['otherColumn'].values 即可
python整理4 —— 关于nan
zZ_biscuit的博客
04-22 2328
0. 写在前面的话 用"=="不能进行是否为缺失值(nan)的判定，所以请使用np.isnan（）或math.isnan（）来判定是否为缺少值(nan)。 np.isnan（）也可以用来判定ndarray中每个元素是否判为缺失值NaN。 1. nan替换 a.replace(-9999,np.nan,inplace=True) # 将-9999替换成nan ## pd.DataFrame a[a == -9999] = np.nan # -9999替换成nan ## 使用 np.genfr
Python数据科学速查表 Pandas 进阶.pdf
最新发布
01-30
4. **缺失值处理**：Pandas提供了多种处理缺失值（NaN）的方法，包括`dropna()`删除含有NaN的行或列，`fillna()`用特定值填充，如`df3.fillna(df3.mean())`填充平均值，以及`replace()`替换特定值，如`df2.replace(...
Pandas之ReIndex重新索引的实现
09-19
在Pandas库中，`reindex`是一个非常关键的功能，用于改变数据结构（如Series或DataFrame）的索引，使其符合新的指定索引。这个功能允许我们调整数据的顺序，填充缺失值，甚至进行插值操作。以下是关于Pandas `...
Python数据科学速查表 - Pandas 进阶.pdf
08-19
### Python 数据科学速查表 — Pandas 进阶 #### 数据重塑 在处理数据分析时，经常需要对数据进行重塑以适应不同的分析需求。Pandas 提供了多种方法来进行数据的重塑，包括重置索引、堆栈/反堆栈、透视表等。 - *...
Python数据分析实践：pandas的索引处理new.pdf
06-14
常见的选项有`ffill`（前向填充）、`bfill`（后向填充）和`nearest`（最近值填充）。例如，`method='ffill'`会使用前一个非缺失值填充缺失数据，而`method='bfill'`则会使用后一个非缺失值。 - `fill_value`参数...
Python数据科学速查表 - Pandas 进阶1
08-04
【Python数据科学速查表 - Pandas 进阶1】主要涵盖了Pandas库在数据处理中的高级操作，包括数据重塑、索引管理、缺失值处理、数据选择与过滤以及数据合并等多个方面。以下是对这些知识点的详细说明： 1. **数据重塑...
Pandas 基础入门
12-22
`reindex`方法允许对Series和DataFrame进行重新索引，以改变现有索引的顺序或添加新索引。这在需要调整数据结构以匹配其他数据集或进行缺失值填充时非常有用。例如： ```python frame = DataFrame(pop, index=[2000...
pandas重新生成索引的方法
09-19
执行这段代码后，DataFrame的索引会被替换为默认的连续整数索引，从0开始，且原始索引不会丢失，因为`set_index`不改变原对象，所以需要将结果赋值给新的变量`df_new`。 需要注意的是，`reindex`和`set_index`虽然...
Pandas使用merge对dataframe进行合并时出现全为Nan的问题
qq_53975980的博客
12-30 2524
Pandas使用merge对dataframe进行合并时出现全为Nan的问题
4.8 Pandas中的Dataframe 缺失值NaN数据处理（Python）
蚊者逆袭的博客
02-10 3733
数据的缺失导致NaN的出现，直接插入DB中会报错，所以要特殊处理一下。
pandas 中reindex的使用
chang995196962的博客
07-31 2374
pandas中的reindex方法可以为series和dataframe添加或者删除索引。 方法：serise.reindex()、dataframe.reindex() 如果新添加的索引没有对应的值，则默认为nan。如果减少索引，就相当于一个切片操作。 import numpy as np import pandas as pd from pandas import Series, Da...
python数据分析（四）——numpy中的nan和数据的填充
Vapus的博客
08-05 5421
python数据分析（四）——numpy中的nan和数据的填充
python pandas reindex
05-15
在 Pandas 中，reindex() 方法可以用于重置 DataFrame 或 Series 的索引。它接受一个索引数组，将现有的索引与之匹配，如果存在任何缺失的值，则用指定的填充值进行填充。 下面是一个简单的示例，说明如何使用 reindex() 方法： ``` python import pandas as pd # 创建一个简单的 Series s = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd']) # 重新索引 Series，添加一个新的索引值 s = s.reindex(['a', 'b', 'c', 'd', 'e']) print(s) ``` 输出： ``` a 1.0 b 2.0 c 3.0 d 4.0 e NaN dtype: float64 ``` 在上面的示例中，我们首先创建了一个简单的 Series，接着使用 reindex() 方法将其重新索引，并添加了一个新的索引值。由于新的索引值“e”在原始 Series 中不存在，因此 Pandas 在重新索引后用 NaN 填充了该位置的值。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值