首页 文章

ValueError：只能与其他PeriodIndex-ed对象一起调用

提问于
浏览 次
3

我试图将2个数据帧合并在一起 . 具有讽刺意味的是，他们最初是作为同一数据框架的一部分开始的，但我正在制定婴儿步骤 - 有时是在错误的方向 . 第1帧看起来像这样：

Int64Index: 10730 entries, 0 to 10729
Data columns (total 6 columns):
RegionID      10730 non-null int64
RegionName    10730 non-null object
State         10730 non-null object
Metro         10259 non-null object
CountyName    10730 non-null object
SizeRank      10730 non-null int64
dtypes: int64(2), object(4)

第2帧看起来像这样：

Int64Index: 10730 entries, 0 to 10729
Data columns (total 82 columns):
1996Q2    8218 non-null float64
1996Q3    8229 non-null float64
1996Q4    8235 non-null float64
.....
2016Q1    10730 non-null float64
2016Q2    10730 non-null float64
2016Q3    10730 non-null float64
dtypes: float64(82)

请注意，索引的类型相同，甚至具有相同的行数 .
我试图将数据帧合并在一起，如下所示：

df4 = pd.merge(df3, df2, how='inner', left_index=True, right_index=True)

我得到的错误是：

ValueError: can only call with other PeriodIndex-ed objects

第二个数据框中的2016Q1和类似命名的列都是Period类型，但我没有合并它们 - 我认为只要索引排成一行，合并应该有效吗？我究竟做错了什么？

python pandas join dataframe

2 回答

  • 0

    假设我们有以下DF：

    In [44]: df1
Out[44]:
   1996Q2  2000Q3    2010Q4
0     1.5     3.5  1.000000
1    22.0    38.5  2.000000
2    15.0    35.0  4.333333

In [45]: df1.columns
Out[45]: PeriodIndex(['1996Q2', '2000Q3', '2010Q4'], dtype='period[Q-DEC]', freq='Q-DEC')

    注意： df1.columns 属于 PeriodIndex dtype

    In [46]: df2
Out[46]:
    a   b   c
0  a1  b1  c1
1  a2  b2  c2
2  a3  b3  c3

In [47]: df2.columns
Out[47]: Index(['a', 'b', 'c'], dtype='object')

    merge 和 join 将返回： ValueError: can only call with other PeriodIndex-ed objects as，AFAIK，Pandas DF不能有混合列dtypes，如果其中一些是 PeriodIndex dtype：

    In [48]: df1.join(df2)
...
skipped
...
ValueError: can only call with other PeriodIndex-ed objects

    merge 抛出相同的异常：

    In [54]: pd.merge(df1, df2, left_index=True, right_index=True)
...
skipped
...
ValueError: can only call with other PeriodIndex-ed objects

    所以我们必须将 df1.columns 转换为字符串：

    In [49]: df1.columns = df1.columns.values.astype(str)

In [50]: df1.columns
Out[50]: Index(['1996Q2', '2000Q3', '2010Q4'], dtype='object')

    现在 join 和 merge 将起作用：

    In [51]: df1.join(df2)
Out[51]:
   1996Q2  2000Q3    2010Q4   a   b   c
0     1.5     3.5  1.000000  a1  b1  c1
1    22.0    38.5  2.000000  a2  b2  c2
2    15.0    35.0  4.333333  a3  b3  c3

In [52]: pd.merge(df1, df2, left_index=True, right_index=True)
Out[52]:
   1996Q2  2000Q3    2010Q4   a   b   c
0     1.5     3.5  1.000000  a1  b1  c1
1    22.0    38.5  2.000000  a2  b2  c2
2    15.0    35.0  4.333333  a3  b3  c3

    合并DF的列 dtypes ：

    In [58]: df1.join(df2).columns
Out[58]: Index(['1996Q2', '2000Q3', '2010Q4', 'a', 'b', 'c'], dtype='object')

    如果在合并完成后需要 df1.columns 作为 PeriodIndex - 您可以在转换它们之前保存 df1.columns 并在完成合并/加入后将它们设置回来：

    In [60]: df1.columns
Out[60]: PeriodIndex(['1996Q2', '2000Q3', '2010Q4'], dtype='period[Q-DEC]', freq='Q-DEC')

In [61]: cols_saved = df1.columns

In [62]: df1.columns = df1.columns.values.astype(str)

In [63]: df1.columns
Out[63]: Index(['1996Q2', '2000Q3', '2010Q4'], dtype='object')

# merging (joining) or doing smth else here ...

In [64]: df1.columns = cols_saved

In [65]: df1.columns
Out[65]: PeriodIndex(['1996Q2', '2000Q3', '2010Q4'], dtype='period[Q-DEC]', freq='Q-DEC')
    回复于
  • 0

    我实际上有同样的问题，并获得整数列 .

    代替

    df1.columns = df1.columns.values.astype(str)

    我用了

    df1.columns = df1.columns.format()

    希望这可以帮助

    回复于

相关问题