将 DateTime 索引值转换为索引号

Posted 2023-02-23

【中文标题】将 DateTime 索引值转换为索引号

【英文标题】：Converting a DateTime Index value to an Index Number

【发布时间】：2019-03-03 16:31:29

【问题描述】：

如果我有一个具有日期时间索引的数据框，并且我通过使用 series.first_valid_index 获得了第一个有效索引 - 它返回第一个非 nan 的日期时间，但这是我正在寻找的：

有没有办法获取日期时间值对应的索引号。例如，它返回 2018-07-16 但我想知道这是数据帧的第 18 行？

如果没有，有没有办法计算从数据帧开头到该索引值的行数？

【参考方案1】：

TLDR：如果您要寻求一种将给定索引值（在本例中为 DatetimeIndex）映射到其等效整数的方法，您是在问对于get_loc，如果您只想从系列中查找整数索引，请使用argmax 和底层numpy 数组。

设置

np.random.seed(3483203)

df = pd.DataFrame(
    np.random.choice([0, np.nan], 5),
    index=pd.date_range(start='2018-01-01', freq='1D', periods=5)
)

              0
2018-01-01  NaN
2018-01-02  NaN
2018-01-03  0.0
2018-01-04  NaN
2018-01-05  NaN

---

在这里使用pandas.Index.get_loc，这是一个通用函数，用于返回给定标签的整数索引：

>>> idx = df[0].first_valid_index()
>>> idx
Timestamp('2018-01-03 00:00:00', freq='D')
>>> df.index.get_loc(idx)
2

如果您想完全避免找到datetime 索引，您可以在底层numpy 数组上使用argmax：

>>> np.argmax(~np.isnan(df[0].values))
2

【讨论】：

是的，我试图使用 get_loc 但我的语法关闭了。这成功了。谢谢！

乐于助人！就像我上面提到的，get_loc 是在给定日期时间索引的情况下找到整数索引的正确方法。但是，如果您想跳过该中间步骤，请在我的回答末尾使用argmax 解决方案。

【参考方案2】：

我会尝试以下（未经测试）：

x = len(df)
num_index = range(0,x,1)
df =  df.reset_index()
df = df.set_index(num_index)

【讨论】：

如果您仍然希望拥有初始索引（带有日期时间），请在重置索引之前使用df['date'] = df.index。

【参考方案3】：

您可以将np.arwhere 与np.isnan 或pd.notnull 一起使用：

np.argwhere(~np.isnan(s)).flat[0]
# or:
# np.argwhere(pd.notnull(s)).flat[0]

鉴于系列：

>>> s
2018-09-27    NaN
2018-09-28    NaN
2018-09-29    5.0
2018-09-30    5.0
2018-10-01    NaN
Freq: D, dtype: float64

你得到：

>>> np.argwhere(~np.isnan(s)).flat[0]
2

或者，只需重置索引并获取first_valid_index：

>>> s.reset_index()[0].first_valid_index()
2

【参考方案4】：

创建一个字典，键是日期时间对象，其值是您的索引。 示例代码供您参考：

timestamp=df.iloc[0:,0].tolist()
timestamp_dict=
number=0
for time in timestamp:
    timestamp_dict[time]=number
    number+=1

希望对你有所帮助。

【参考方案5】：

您只需要将“x”转换为 dataFrame，然后将 inplace 设置为 true。

x = len(df)
df["num_index"] = range(0, x, 1)
df.set_index(df['num_index'], inplace=True)

注意：但是这段代码会将日期索引完全替换为num_index。

解决方案 2： 如果您想保留日期索引并用 num_index 替换索引，则应应用以下代码：

df['Date'] = df.index
x = len(df)
df["num_index"] = range(0, x, 1)
df.set_index(df['num_index'], inplace=True)

现在，您将日期和数字作为索引。

解决方案 3： 最简单的方法是重置索引

df.reset_index(inplace=True)

这将创建一个从 0 开始的索引和一个与该索引同名的列。