Copier une colonne d'un DataFrame vers un autre donne des valeurs NaN?
Cette question a été posée à maintes reprises, et cela a semblé fonctionner pour d'autres. Cependant, je reçois des valeurs de NaN lorsque je copie une colonne d'un autre DataFrame (df1 et df2 sont de même longueur).
df1
date hour var1
a 2017-05-01 00:00:00 456585
b 2017-05-01 01:00:00 899875
c 2017-05-01 02:00:00 569566
d 2017-05-01 03:00:00 458756
e 2017-05-01 04:00:00 231458
f 2017-05-01 05:00:00 986545
df2
MyVar1 MyVar2
0 6169.719338 3688.045368
1 5861.148007 3152.238704
2 5797.053347 2700.469871
3 5779.102340 2730.471948
4 6708.219647 3181.298291
5 8550.380343 3793.580394
J'ai besoin de ça dans mon df2
MyVar1 MyVar2 date hour
0 6169.719338 3688.045368 2017-05-01 00:00:00
1 5861.148007 3152.238704 2017-05-01 01:00:00
2 5797.053347 2700.469871 2017-05-01 02:00:00
3 5779.102340 2730.471948 2017-05-01 03:00:00
4 6708.219647 3181.298291 2017-05-01 04:00:00
5 8550.380343 3793.580394 2017-05-01 05:00:00
J'ai essayé ce qui suit,
df2['date'] = df1['date']
df2['hour'] = df1['hour']
type(df1)
>> pandas.core.frame.DataFrame
type(df2)
>> pandas.core.frame.DataFrame
Je reçois ce qui suit,
MyVar1 MyVar2 date hour
0 6169.719338 3688.045368 NaN NaN
1 5861.148007 3152.238704 NaN NaN
2 5797.053347 2700.469871 NaN NaN
Pourquoi cela arrive-t-il? Il y a un autre post qui parle de merge, mais je dois juste le copier. Toute aide serait appréciée.
Le coupable est les index inalignables
Les index de vos DataFrames sont différents (et en conséquence, les index de chaque colonne), donc lorsque vous essayez d'affecter une colonne d'un DataFrame à un autre, les pandas essaieront d'aligner les index, et à défaut, insérez NaNs.
Considérez les exemples suivants pour comprendre ce que cela signifie:
# Setup
A = pd.DataFrame(index=['a', 'b', 'c'])
B = pd.DataFrame(index=['b', 'c', 'd', 'f'])
C = pd.DataFrame(index=[1, 2, 3])
# Example of alignable indexes - A & B (complete or partial overlap of indexes)
A.index B.index
a
b b (overlap)
c c (overlap)
d
f
# Example of unalignable indexes - A & C (no overlap at all)
A.index C.index
a
b
c
1
2
3
En l'absence de chevauchement, pandas ne peut pas correspondre à une seule valeur entre les deux DataFrames à insérer dans le résultat de l'affectation, de sorte que le résultat est une colonne contenant des NaN.
Si vous travaillez sur un ordinateur portable IPython, vous pouvez vérifier qu’il s’agit bien de la cause première en utilisant,
df1.index.equals(df2.index)
# False
df1.index.intersection(df2.index).empty
# True
Vous pouvez utiliser l’une des solutions suivantes pour résoudre ce problème.
Solution 1: réinitialisez les deux index DataFrames
Vous préférerez peut-être cette option si vous ne voulez pas avoir d’indices différents au départ, ou si vous ne tenez pas particulièrement à préserver l’indice.
# Optional, if you want a RangeIndex => [0, 1, 2, ...]
# df1.index = pd.RangeIndex(len(df))
# Homogenize the index values,
df2.index = df1.index
# Assign the columns.
df2[['date', 'hour']] = df1[['date', 'hour']]
Si vous souhaitez conserver l'index existant, mais sous forme de colonne, vous pouvez utiliser reset_index() à la place.
Solution 2: attribuer des tableaux NumPy (contourner l'alignement d'index)
Cette solution ne fonctionnera que si les longueurs des deux DataFrames correspondent.
# pandas >= 0.24
df2['date'] = df1['date'].to_numpy()
# pandas < 0.24
df2['date'] = df1['date'].values
Pour assigner facilement plusieurs colonnes, utilisez,
df2 = df2.assign(**{c: df1[c].to_numpy() for c in ('date', 'hour')})
Essaye ça ?
df2['date'] = df1['date'].values
df2['hour'] = df1['hour'].values