python pandas 类型错误：无法将类型 'Timestamp' 与类型 'float' 进行比较

Question

我有一个熊猫数据框，df_data，想使用 pandas index.asof（） 方法查找离指定时间最近的行。我的时间以秒为单位（类型 = float64）（见下文）。

最初，该索引被制作为DateTimeIndex：

In [12]: df_data.index = pd.to_datetime(df_data.index, coerce=True) 
         df_data.index.dtype
Out[12]: dtype('<M8[ns]')

然后，我将索引更改为从初始时间开始的秒数：

In [22]: ## Convert the index from DateTimeIndex to a float64 
         ## that is the number of seconds from the initial measurement
         df_data.index = (df_data.index - df_data.index[0])/np.timedelta64(1,'s')
In [23]: df_data.index.dtype
Out[23]: dtype('float64')

但是当我尝试将 asof 方法与浮点数一起使用时，我得到一个类型错误：

In [24]: df_data.index.asof(10.0)
...
TypeError: Cannot compare type 'Timestamp' with type 'float'

我尝试使用datetime，datetime.fromtimestamp等，但无法解决问题。

Answer 1

感谢@joris的深刻评论。

溶液

在将索引从 DateTimeIndex 更改为浮点数（即问题中所述的初始测量后的秒数）之前，您需要确定您希望找到最接近索引的时间（在本例中，我使用一个简单的示例，其中包含一次时间time_float）。然后，可以将这些日期时间索引转换为浮点索引：

In [21]: time_float = 10.0
         time_td = df_data.index[0]+ datetime.timedelta(0,time_float)
         ## convert from the DateTimeIndex type to time from start in seconds as type float64
         time_index = (df_data.index.asof(time_td) - df_data.index[0]).total_seconds()
         time_index
Out[21]: 9.86296

现在，在索引（上面给出的）从初始时间整体转换为秒之后，我可以参考最接近time_float的索引，它time_index：

In [24]: df_data.ix[time_index,0]
Out[24]: 0.00075450129999999997