Skip to main content
 首页 » 编程设计

python之数据更改为 NaN

2025年01月19日10qq78292959

我是 Python 的初学者,正在尝试绘制数据。如果我按照文档 (https://pandas.pydata.org/pandas-docs/stable/10min.html) 中的 10 分钟了解 Pandas ,它就可以正常工作。但是,如果我尝试将它应用于我自己的数据(从雅虎下载),它就会失败。

问题似乎与数据准备有关。如果我打开 csv 文件,数据看起来很好。当我尝试选择列来绘制一列数据更改为 NaN 时。如果将数据系列放入系列中,就会发生这种情况。 'index =' 系列看起来不错。这独立于我放入系列的哪个专栏。因此,最终情节是空的。

我不知道为什么。起初我认为它与数据类型有关,但如果我查看数据类型,我会说它应该没问题,强制数据 float 或 int 也没有什么区别。

为什么数据会变成NaN? 我怎样才能防止它改变以便可以绘制它?

-------- Code ----------------------------------- 
 
    import pandas as pd 
    import numpy as np 
    import matplotlib.pyplot as plt 
 
    symbol = 'c:\\xlk' 
    filename = '%s.csv' % (symbol) 
    data = pd.read_csv(filename) 
 
    print(data.tail()) 
    print(data.dtypes) 
 
    dacl = data['Close'] 
    dada = data['Date'] 
 
 
    ts = pd.Series( data['Close'], index=data['Date']) 
 
    print(ts.tail()) 
    ts.plot() 
 
----------------------------------------------------------- 
 
---------output------------------------------------------- 
            Date       Open       High        Low      Close  Adj Close  \ 
4826  2018-02-28  69.050003  69.339996  68.160004  68.169998  68.169998    
4827  2018-03-01  68.330002  68.589996  66.529999  67.040001  67.040001    
4828  2018-03-02  66.279999  67.820000  66.099998  67.680000  67.680000    
4829  2018-03-05  67.360001  68.599998  67.209999  68.370003  68.370003    
4830  2018-03-06  68.760002  68.849998  68.220001  68.519997  68.519997    
 
        Volume   
4826  15232000   
4827  21486800   
4828  19196100   
4829  10888900   
4830   9884600   
Date          object 
Open         float64 
High         float64 
Low          float64 
Close        float64 
Adj Close    float64 
Volume         int64 
dtype: object 
Date 
2018-02-28   NaN 
2018-03-01   NaN 
2018-03-02   NaN 
2018-03-05   NaN 
2018-03-06   NaN 
Name: Close, dtype: float64 
 
<matplotlib.axes._subplots.AxesSubplot at 0x1c3fafc9d30> 

请您参考如下方法:

我想你需要 DatetimeIndex按参数index_col和 parse_dates :

data = pd.read_csv(filename, index_col=['Date'], parse_dates=['Date']) 
 
print (data.index) 
DatetimeIndex(['2018-02-28', '2018-03-01', '2018-03-02', '2018-03-05', 
               '2018-03-06'], 
              dtype='datetime64[ns]', name='Date', freq=None) 

然后绘制一列:

data['Close'].plot() 

为什么得到NaN的原因s 是数据未对齐的索引 data['Close']与 data['Date'] 不同:

ts = pd.Series( data['Close'], index=data['Date']) 

可能的解决方案(丑陋):

ts = pd.Series( data['Close'].values, index=data['Date'])