为什么我在向这个Dataframe添加部分行时获得的是NaT值而不是NaN？
为什么我在向这个Dataframe添加部分行时获得的是NaT值而不是NaN？
提问于 2022-05-29 20:44:53
我有一个脚本，它将一个.csv文件读取到一个数据中，然后允许用户通过向它添加额外的数据来扩展它。它将接受date列中的最后一个值，并开始逐日提示用户输入一个值。
如果用户没有为input指定任何内容，则将该值转换为math.nan。除非我将行附加到dataframe，否则假定的NaN将被转换为NaT。
我在下面重新创建了一个可复制的示例。
如何确保我的NaN不被转换为NaTs？
#!/usr/bin/env python
import pandas as pd
import datetime as dt
import math
df = pd.DataFrame({
'date': pd.to_datetime(['2022-05-01', '2022-05-02', '2022-05-03']),
'weight': [250., 249, 247],
})
last_recorded_date = df['date'].iloc[-1]
next_date = last_recorded_date + dt.timedelta(days=1)
df.loc[len(df.index)] = [next_date, math.nan]
print(df)
# date weight
# 0 2022-05-01 250.0
# 1 2022-05-02 249.0
# 2 2022-05-03 247.0
# 3 2022-05-06 NaT回答 3
Stack Overflow用户
回答已采纳
发布于 2022-05-29 22:20:39
从list中设置行时，首先将列表转换为Series。Series的元素必须是相同的类型；第一个值是datetime；因此每个值都在结果Series中转换为datetime。特别是，math.nan变成了NaT。熊猫不使用现有的列类型来通知进程，而是根据需要对列类型进行调整-- weight列的类型从float扩展到object。
从我的测试来看，使用元组似乎解决了这个问题：
df.loc[len(df.index)] = (next_date, math.nan)Stack Overflow用户
发布于 2022-05-29 21:35:26
这太奇怪了。但一些实验揭示了一些线索：
df = pd.DataFrame({
'date': pd.to_datetime(['2022-05-01', '2022-05-02', '2022-05-03']),
'weight': [250., 249, 247],
})
# Try this
df.loc[4] = None提出：
FutureWarning: The default dtype for empty Series will be 'object' instead of 'float64' in a future version. Specify a dtype explicitly to silence this warning.这并不能确切地解释为什么它将NaT添加到第二列中，但它确实表明在将类型附加到现有的dataframe时需要指定这些类型。
如here所解释的，有一种解决方案如下：
df = pd.DataFrame({
'date': pd.to_datetime(['2022-05-01', '2022-05-02', '2022-05-03']),
'weight': [250., 249, 247],
})
next_date = pd.Timestamp('2022-05-04')
df = df.append(pd.DataFrame([{'date': next_date, 'weight': np.nan}]), ignore_index=True)
assert (df.dtypes.values == ('<M8[ns]', 'float64')).all()然而，这就提出了：
FutureWarning: The frame.append method is deprecated and will be removed from pandas in a future version. Use pandas.concat instead.
df = df.append(pd.DataFrame([{'date': next_date, 'weight': np.nan}]), ignore_index=True)所以我想正确的解决办法是：
new_row = pd.DataFrame([{'date': next_date, 'weight': np.nan}])
df = pd.concat([df, new_row]).reset_index(drop=True)
assert (df.dtypes.values == ('<M8[ns]', 'float64')).all()但我必须问，你为什么要以这种方式附加到一个数据文件中呢？这是相当低效的，如果可能的话应该避免。
Stack Overflow用户
发布于 2022-05-29 21:30:31
import pandas as pd
import datetime as dt
import math
df = pd.DataFrame({
'date': pd.to_datetime(['2022-05-01', '2022-05-02', '2022-05-03']),
'weight': [250., 249, 247],
})
last_recorded_date = df['date'].iloc[-1]
while True:
next_date = last_recorded_date + dt.timedelta(days=1)
weight = input(f"{next_date}: ")
if weight == 'q':
break
elif weight == '':
weight = math.nan
else:
weight = float(weight)
df.loc[len(df.index)] = [next_date, weight]
last_recorded_date = next_date
df = df['weight'].replace(pd.NaT, math.nan)
print(df)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/72427164
复制相关文章
相似问题
腾讯云开发者
