pandas 使用日期时间对象重新索引 DataFrame

是否可以重新索引 pandasDataFrame使用由日期时间对象组成的列？

我有一个数据框df包含以下列：

Int64Index: 19610 entries, 0 to 19609
Data columns:
cntr                  19610  non-null values  #int
datflt                19610  non-null values  #float
dtstamp               19610  non-null values  #datetime object
DOYtimestamp          19610  non-null values  #float
dtypes: int64(1), float64(2), object(1)

我可以重新索引df轻松地沿着DOYtimestamp with: df.reindex(index=df.dtstamp) and DOYtimestamp具有以下值：

>>> df['DOYtimestamp'].values
    array([ 153.76252315,  153.76253472,  153.7625463 , ...,  153.98945602,
    153.98946759,  153.98947917])

但我想重新索引 DataFramedtstamp它由日期时间对象组成，以便我直接从索引生成不同的时间戳。这dtstamp列的值如下所示：

 >>> df['dtstamp'].values
     array([2012-06-02 18:18:02, 2012-06-02 18:18:03, 2012-06-02 18:18:04, ...,
     2012-06-02 23:44:49, 2012-06-02 23:44:50, 2012-06-02 23:44:51], 
     dtype=object)

当我尝试重新索引时df along dtstamp我得到以下信息：

>>> df.reindex(index=df.dtstamp)
    TypeError: can't compare datetime.datetime to long

我只是不确定需要做什么才能使索引成为日期时间类型。有什么想法吗？

听起来您不想重新索引。有点令人困惑reindex确切地说，不是为了定义新索引；相反，它查找具有指定索引的行。所以如果你有一个带有索引的 DataFrame[0, 1, 2]，然后做一个reindex([2, 1, 0])将以相反的顺序返回行。做类似的事情reindex([8, 9, 10])不为行创建新索引；相反，它将返回一个 DataFrameNaN值，因为没有索引为 8、9 或 10 的行。

看起来您想要的只是保留相同的行，但为它们创建一个全新的索引。为此，您可以直接分配给索引。所以尝试做df.index = df['dtstamp'].