Python 数据帧的几个时间序列

我无法将多个时间序列合并到一个公共数据帧。我正在使用的示例代码：

import pandas
import datetime
import numpy as np

start = datetime.datetime(2001, 1, 1)
end = datetime.datetime(2001, 1, 10)
dates = pandas.date_range(start, end)
serie_1 = pandas.Series(np.random.randn(10), index = dates)
start = datetime.datetime(2001, 1, 2)
end = datetime.datetime(2001, 1, 11)
dates = pandas.date_range(start, end)
serie_2 = pandas.Series(np.random.randn(10), index = dates)
start = datetime.datetime(2001, 1, 3)
end = datetime.datetime(2001, 1, 12)
dates = pandas.date_range(start, end)
serie_3 = pandas.Series(np.random.randn(10), index = dates)

print 'serie_1'
print serie_1
print 'serie_2'
print serie_2
print 'serie_3'
print serie_3

serie_4 = pandas.concat([serie_1,serie_2], join='outer', axis = 1)
print 'serie_4'
print serie_4
serie_5 = pandas.concat([serie_4, serie_3], join='outer', axis = 1)
print 'serie_5'
print serie_5

这给了我5级联赛（第二个联赛）的错误：

---

怎么了？正如我所说，可能是基本的，但我无法理解，而且我是一个初学者…

连接

系列的列表

会返回一个

数据帧

。因此，

serie_4

是一个

DataFrame

<代码>系列3是一个

系列

。将

数据帧

与

系列

连接会引发异常

你可以用

import pandas as pd
serie_5 = pd.concat([serie_1, serie_2, serie_3], join='outer', axis=1)

相反

---

比如说,

import functools
import numpy as np
import pandas as pd

s1 = pd.Series([0,1], index=list('AB'))
s2 = pd.Series([2,3], index=list('AC'))

result = pd.concat([s1, s2], join='outer', axis=1, sort=False)
print(result)

屈服

     0    1
A  0.0  2.0
B  1.0  NaN
C  NaN  3.0

  index  s3   s4
0     A   0  2.0
1     A   0  3.0
2     B   1  NaN

注意，您将得到一个ValueError 如果尝试将序列与非唯一索引连接起来。 比如说,

s3 = pd.Series([0,1], index=list('AB'), name='s3')
s4 = pd.Series([2,3], index=list('AA'), name='s4') # <-- non-unique index
result = pd.concat([s3, s4], join='outer', axis=1, sort=False)

要解决此问题，请重置索引，改为：

---

好吧，那我不明白为什么我会犯这个错误。我还测试了通过将代码更改为：serie_5=pandas.concat（[serie_4，pandas.DataFrame（serie_3）]，join='outer'，axis=1）将一个数据帧与另一个数据帧连接起来。这意味着我可以将两个系列连接到一个数据帧，然后将这个数据帧连接到另一个数据帧。我需要找到一个通用的解决方案，在这个解决方案中，我可以在一个循环中添加一些系列，而我不需要事先计算这些系列。只需创建一个Python列表，将您的系列附加到其中，然后将其提供给pandas.concat，正如@unutbu在上面所写的那样。join的使用看起来已经足够通用了！我把它改为“serie_5=serie_4.join（serie_3，how='outer'）”，以便在上面的例子中包括2012-01-12。我想要得到一个通用的解决方案的原因是，我想要组合几个不同的时间序列，其中会有缺失的数据，并使用Pandas功能来处理缺失的数据。谢谢为什么命令

serie_5=pandas.concat（[serie_1，serie_2，serie_3]，join='outer'，axis=1）

不适用于我的系列？它返回错误：无法从重复轴重新编制索引实际上mySeries，就像这里使用的series一样，都是pandas.core.series.series，但我的还有第二个规范。您是否建议再问一个问题？@SPS：至少有一个系列具有非唯一索引

pd.concat

引发

ValueError:在这种情况下，无法从重复轴重新编制索引。要解决此问题，请将每个系列转换为一个数据帧（例如，
s=s.reset_index（）
），然后在
索引
列上进行外部处理：（例如，
functools.reduce（lambda left，right:pd.merge（left，right，on='index'，how='outer'），[s.reset_index（），用于[serie_1，serier_2，serie_3]]）
）。
s3 = pd.Series([0,1], index=list('AB'), name='s3')
s4 = pd.Series([2,3], index=list('AA'), name='s4') # <-- non-unique index
result = pd.concat([s3, s4], join='outer', axis=1, sort=False)

ValueError: cannot reindex from a duplicate axis

import functools   
s3 = pd.Series([0,1], index=list('AB'), name='s3')
s4 = pd.Series([2,3], index=list('AA'), name='s4') # <-- non-unique index

result = functools.reduce(
    lambda left,right: pd.merge(left,right,on='index',how='outer'), 
    [s.reset_index() for s in [s3,s4]])
print(result)

  index  s3   s4
0     A   0  2.0
1     A   0  3.0
2     B   1  NaN