Pandas 熊猫数据帧索引与其他列有何不同？

我试图使用Pandas来利用

dataframe.interpolate

来填补时间序列中的空白，但在设置该函数所需的索引时遇到问题

它提出了一个更一般的问题：熊猫数据帧由许多列组成，每个列由一个

dtype

的项组成。还有一个行索引，在我看来非常像一个列

---

所以。。。数据帧（行）索引和所有其他列之间有什么区别？例如，我可能认为所有索引项都必须是唯一的，就像SQL数据库键一样，但事实似乎并非如此？那么，与非索引列相比，行索引有什么特殊之处呢？

index允许loc命令调用指定的行。如果存在副本，则可以调用所有副本。如果要指定一行，请使用层次索引或iloc（数字位置）

索引中的值复制非常重要，因为它有助于分层索引。这对熊猫非常有用

因此，索引是指定为索引的行。删除列（通过将其分配给索引）、操作数据帧并将索引作为列重新引入也非常有用

插值是一个非常酷的命令，但从内存来看，它只适用于列。如果要插值索引

df.reset_index(inplace=True)

然后插入新列，然后

 df.set_index('column interpolated', inplace=True)

---

时间序列考虑<代码>滚动< /代码>函数。您可以使用它在缺少的数据之间移动。

您能提供您的代码吗？不，索引不需要是唯一的Michael，我有一个两列表形式的时间序列，其中第一列是时间戳，第二列是该时间戳的值；时间戳是唯一的，但缺少一些值。我正在构建一个数据帧，其中索引来自时间戳，单个非索引列是值。我想做的是使用method=“time”的“interpolate”查找缺少的值，我知道这是使用DatetimeIndex进行“加权线性插值”。。您可以考虑应用程序或lambda x样式函数。这似乎有点先进，从我记忆中的PANDASE内插可能会考虑远离长格式…很多可能性我认为熊猫“插值”的问题在于它不允许我控制要插值的列，以及要用作插值横坐标的列。因此，我转而使用``scipy.interpolate``进行插值，它提供了这些控件，并提供了多种插值。但是，对于最初的问题，结果表明，线性插值在填补空白方面最为精确。哦，好吧。。。