les pandas.Série() de la Création à l'aide de DataFrame Colonnes renvoie NaN entrées de Données

Im essayant de convertir un dataframe dans une série à l'aide de code qui, simplifié, ressemble à ceci:

dates = ['2016-1-{}'.format(i)for i in range(1,21)]
values = [i for i in range(20)]
data = {'Date': dates, 'Value': values}
df = pd.DataFrame(data)
df['Date'] = pd.to_datetime(df['Date'])
ts = pd.Series(df['Value'], index=df['Date'])
print(ts)

Cependant, imprimer sortie ressemble à ceci:

Date
2016-01-01   NaN
2016-01-02   NaN
2016-01-03   NaN
2016-01-04   NaN
2016-01-05   NaN
2016-01-06   NaN
2016-01-07   NaN
2016-01-08   NaN
2016-01-09   NaN
2016-01-10   NaN
2016-01-11   NaN
2016-01-12   NaN
2016-01-13   NaN
2016-01-14   NaN
2016-01-15   NaN
2016-01-16   NaN
2016-01-17   NaN
2016-01-18   NaN
2016-01-19   NaN
2016-01-20   NaN
Name: Value, dtype: float64

Où NaN venir? Est une vue sur un DataFrame objet n'est pas une entrée valide pour le Series classe ?

J'ai trouvé le to_series function pour pd.Index objets, est-il quelque chose de similaire pour DataFrames ?

Êtes-vous en commençant par le dataframe ou est-ce juste une étape intermédiaire?
En commençant par un dataframe - c'est pourquoi je n'ai pas la mettre dans une Série tout de suite; les données sont chargées à partir d'un CSV avec plusieurs colonnes.
Ah ok. De sorte que vous pouvez ignorer ma réponse.

OriginalL'auteur nlsdfnbch | 2016-03-05

  1. 15

    Je pense que vous pouvez utiliser , il convertir colonne Value de tableau:

    ts = pd.Series(df['Value'].values, index=df['Date'])
    import pandas as pd
import numpy as np
import io

dates = ['2016-1-{}'.format(i)for i in range(1,21)]
values = [i for i in range(20)]
data = {'Date': dates, 'Value': values}
df = pd.DataFrame(data)
df['Date'] = pd.to_datetime(df['Date'])
print df['Value'].values
[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19]

ts = pd.Series(df['Value'].values, index=df['Date'])
    print(ts)
Date
2016-01-01     0
2016-01-02     1
2016-01-03     2
2016-01-04     3
2016-01-05     4
2016-01-06     5
2016-01-07     6
2016-01-08     7
2016-01-09     8
2016-01-10     9
2016-01-11    10
2016-01-12    11
2016-01-13    12
2016-01-14    13
2016-01-15    14
2016-01-16    15
2016-01-17    16
2016-01-18    17
2016-01-19    18
2016-01-20    19
dtype: int64

    Ou vous pouvez utiliser:

    ts1 = pd.Series(data=values, index=pd.to_datetime(dates))
print(ts1)
2016-01-01     0
2016-01-02     1
2016-01-03     2
2016-01-04     3
2016-01-05     4
2016-01-06     5
2016-01-07     6
2016-01-08     7
2016-01-09     8
2016-01-10     9
2016-01-11    10
2016-01-12    11
2016-01-13    12
2016-01-14    13
2016-01-15    14
2016-01-16    15
2016-01-17    16
2016-01-18    17
2016-01-19    18
2016-01-20    19
dtype: int64

    Merci @ajcr pour une meilleure explication de pourquoi vous obtenez NaN:

    Quand vous donnez un Series ou DataFrame colonne de pd.Series, il va revisiter l'aide de la index vous spécifiez. Depuis votre DataFrame colonne a un nombre entier index (pas un date index), vous obtenez beaucoup de valeurs manquantes.

    Et si je le peux! Cheers mate!
    Par curiosité, de quoi convertir les données de la liste ? J'ai toujours pensé que je pense des valeurs renvoyées de df['Date'] comme un objet iterable, comparables à des listes - n'est-ce pas le cas?
    Quand vous donnez une Série ou d'un DataFrame colonne de pd.Series, il reindex à l'aide de l'index que vous spécifiez. Depuis votre DataFrame colonne a un index entier (pas un jour d'un index). vous obtenez beaucoup de valeurs manquantes.
    Merci pour l'explication.

    OriginalL'auteur jezrael

  2. 0

    Si vous cherchez seulement pour créer de la série avec ces valeurs, vous auriez aussi pu faire: 

     pd.Series( [i for i in range(20)],  pd.date_range('2016-01-02', periods=20, freq='D'))

    OriginalL'auteur k-nut

  3. 0

    Il vous suffit de faire:

    s = df.set_index('Date')

    Qui est maintenant une colonne dataframe.

    Si vous voulez vraiment en tant que Série:

    s = df.set_index('Date').Value

    btw, NaN est numpy n'est Pas un Nombre.

    L'aide de votre méthode, vous pouvez utiliser:

    ts = pd.Series(df['Value'].values, name='Value', index=df['Date'])

    La raison pour laquelle vous faites les NaNs, c'est que vous n'êtes pas fournir les données dans le bon format. Vous êtes de passage à une Série une Série.

    OriginalL'auteur Alexander