从时间戳索引错误中查找最接近的值
我在尝试从时间戳查找数据中的值时出错。我的df有一个时间戳索引。
我的时间戳是：
time = datetime.datetime.fromtimestamp(sub_data_2[0, itime])
print(time)
2021-06-29 09:53:08.805039
我的df索引是这样的：
print(df.index)
DatetimeIndex(['2021-06-30 08:45:43', '2021-06-30 08:45:45',
'2021-06-30 08:45:46', '2021-06-30 08:45:47',
'2021-06-30 08:45:48', '2021-06-30 08:45:50',
'2021-06-30 08:45:51', '2021-06-30 08:45:52',
'2021-06-30 08:45:53', '2021-06-30 08:45:54',
...
'2021-06-28 16:34:22', '2021-06-28 16:34:23',
'2021-06-28 16:34:24', '2021-06-28 16:34:25',
'2021-06-28 16:34:26', '2021-06-28 16:34:27',
'2021-06-28 16:34:28', '2021-06-28 16:34:29',
'2021-06-28 16:34:30', '2021-06-28 16:34:31'],
dtype='datetime64[ns]', name='T', length=54143, freq=None)
使用index.get_loc函数：
index = df.index.get_loc(time, method='nearest')
错误是：
pandas.errors.InvalidIndexError: Reindexing only valid with uniquely valued Index objects
我看到这个错误可能来自于数据帧的串联和索引的冲突，但这里的情况并非如此。有什么想法吗？
共有3个答案
我有两个问题：重复和排序时间戳索引。
df = df.sort_index()
df = df.drop_duplicates()
您可以找到如下重复索引：
df[df.index.duplicated(keep=False)]
您必须首先从索引中删除重复项。这里已经回答了这个问题-回答
-
问题内容： 我有一个带有通常时间戳的索引： 如何为具有相同时间戳但四舍五入到最接近的第5分钟间隔的该数据帧创建一列？像这样： 问题答案： 使用算术的解决方案是正确的，但是很复杂而且很慢。而是在pandas中使用漂亮的东西： 让我们比较一下速度： 快大约1000倍！
-
问题内容： 我在SQL中有两个表，并且我需要能够基于早于或等于表A中的时间戳的表B中的时间戳进行联接。 因此，这是两个表和所需输出的一些虚假数据： 结案案例（表A） 分类（表B） 所需结果 因此，我知道代码需要如下所示，我只是想不出该如何处理部分（$ 1和$ 2是将要传入的变量）： 我知道我可以使用子选择，但这将在至少几千行，甚至可能更多的行上进行，我需要它真的要快。所以我希望有一个简单的子句可以
-
我需要将两个数据集与CLOSE时间戳连接起来。第一个数据集是来自移动应用程序的日记数据集： 在这里： 第二个数据集是来自加速度计日志的数据集，显示移动（=INVH）或空闲（=NIVH）： 在这里： 我需要根据时间戳字段之间的时间差连接两个数据帧。例如，在df1上留下join，以查看应用程序日志数据如何与实际加速度计日志一致。简单的左连接在这里不起作用，因为在大多数情况下有一个滞后时间。所以我的问题
-
问题内容： 我必须索引包含“时间”字段的文档，该字段的值是一个整数，表示自纪元以来的秒数（又称为Unix时间戳）。 我一直在阅读ES文档，发现了这一点： http://www.elasticsearch.org/guide/reference/mapping/date- format.html 但是似乎如果我要提交unix时间戳并将其存储在“日期”字段中（整数字段对我没有用），我只有两个选择： 实
-
假设我有一个包含元素的列表。 使用Java8 streams，如何找到列表最小元素的索引（例如，在本例中为1）？
-
问题内容： 当我尝试将我的数据框分组到一个列上，然后尝试查找每个分组的最小值时，似乎无法在非数字列上执行此操作。然后，如何正确过滤分组依据上的最短（最早）日期？ 我正在从Postgresql S3实例流式传输数据帧，因此已经配置了数据。 问题答案： 只需直接执行聚合，而不使用辅助程序即可： 与之不同的是，它将适用于任何类型。