Pandas 如何创建以日期为索引的数据框架

这是我的密码

import plotly.plotly as py
import datetime
import pandas
import matplotlib.pyplot as plt
import pandas.io.data as pd


start = datetime.datetime(2016, 2, 1)
end   = datetime.datetime(2016, 2, 11)
#raw = pd.DataReader("tjx", "yahoo", start, end)
rawy = pd.DataReader("tjx", "yahoo", start, end)['Low']

print rawy
print "========================"

columns = ['Low']
newDf = pd.DataFrame(columns=columns)
newDf = newDf.fillna(0)

#newDf[0] = rawy[0]
#newDf[0:1] = rawy[0:1]
#newDf.loc[0] = rawy.loc[0]
newDf.loc[0] = rawy[0]
print newDf

结果是这样的,

Date
2016-02-01    70.470001
2016-02-02    72.309998
2016-02-03    71.000000
2016-02-04    69.720001
2016-02-05    67.900002
2016-02-08    66.820000
2016-02-09    67.519997
2016-02-10    69.279999
2016-02-11    67.410004
Name: Low, dtype: float64
========================
         Low
0  70.470001

---

如果查看结果的最后一行，它使用0作为索引，而不是原始数据帧的日期。那么如何纠正这个问题呢

它使用零作为索引，因为这是您分配给它的值。试试这个

newDf = pd.DataFrame(columns=columns)
>>> newDf
Empty DataFrame
Columns: [Low]
Index: []

newDf.ix[rawy.index[0]] = rawy[0]  # Or newDf.loc[rawy.index[0]] = rawy[0]
newDf.ix[rawy.index[1]] = rawy[1]

>>> newDf
                  Low
2016-02-01  70.470001
2016-02-02  72.309998

---

如果你想索引过来，你必须分配它。这里有两种似乎有效的方法：

>>> newDf = pd.DataFrame(data=[rawy[0]], index=[rawy.index[0]], columns=columns)
>>> newDf
                  Low
2016-02-01  70.470001

或

---

非常感谢您的快速回答！嗯，如果我在问题代码的底部加上这个，我实际上会得到一个“***keyrerror:Timestamp（'2016-02-01 00:00:00'，tz=None）”。如果你还没有为newDf分配索引，你不认为你可以使用.ix吗？公平地说，我使用了

import pandas.io.data as web

和

rawy=web.DataReader（“tjx”，“yahoo”，start，end）['Low']

。日期索引是自动分配的。我不确定该功能是否与

pd.DataReader

不同。另外，我正在使用Pandas 0.17.1。你用的是哪个版本？我用的是Pandas 0.12.0，所以是的，可能是版本控制的问题。在我的示例中，rawy自动分配了索引，但是newDf通过“pd.DataFrame（columns=columns）”显然没有。在你的例子中，你不是说“在newDf中把这个值分配给索引为rawy.index[0]（一个时间戳）的项吗？如果没有为newDf显式创建索引，那么它是如何工作的？注意这里我可能是pandas的中级-主要是问我是否遗漏了什么。我是说索引值为[Timestamp]的newDf被分配了

rawy[0]

的值。如果该值在索引中尚不存在，则将创建该值。这将创建新的数据帧。现在如何为新值扩展该值？

>>> newDf = pd.DataFrame(rawy.head(1))
>>> newDf
                   Low
 Date
 2016-02-01  70.470001