ValueError：只能与其他 PeriodIndex-ed 对象一起调用答案

【问题标题】：ValueError: can only call with other PeriodIndex-ed objectsValueError：只能与其他 PeriodIndex-ed 对象一起调用
【发布时间】：2017-03-22 20:06:03
【问题描述】：

我正在尝试将 2 个数据框合并在一起。具有讽刺意味的是，它们一开始是同一个数据框的一部分，但我正在迈出小步——有时方向是错误的。第 1 帧如下所示：

Int64Index：10730 个条目，0 到 10729 数据列（共6列）： RegionID 10730 非空 int64 RegionName 10730 非空对象状态 10730 非空对象 Metro 10259 非空对象 CountyName 10730 非空对象 SizeRank 10730 非空 int64 数据类型：int64（2），对象（4）

第 2 帧如下所示：

Int64Index：10730 个条目，0 到 10729 数据列（共82列）： 1996Q2 8218 非空 float64 1996Q3 8229 非空 float64 1996Q4 8235 非空 float64 ...... 2016Q1 10730 非空 float64 2016Q2 10730 非空 float64 2016Q3 10730 非空 float64 数据类型：float64(82)

请注意，索引的类型相同，它们甚至具有相同的行数。
我正在尝试像这样将数据框合并在一起：

df4 = pd.merge(df3, df2, how='inner', left_index=True, right_index=True)

我得到的错误是：

ValueError: can only call with other PeriodIndex-ed objects

第二个数据框中的 2016Q1 和类似名称的列属于 Period 类型，但我没有合并它们——我认为只要索引对齐，合并就可以工作吗？我做错了什么？

【问题讨论】：

您能否发布两帧数据的缩减样本 (mvce)？我认为您的代码绝对没有问题（也就是说，如果 df3 和 df2 确实是第 1 帧和第 2 帧）

标签： python pandas join dataframe

【解决方案1】：

假设我们有以下 DF：

In [44]: df1
Out[44]:
   1996Q2  2000Q3    2010Q4
0     1.5     3.5  1.000000
1    22.0    38.5  2.000000
2    15.0    35.0  4.333333

In [45]: df1.columns
Out[45]: PeriodIndex(['1996Q2', '2000Q3', '2010Q4'], dtype='period[Q-DEC]', freq='Q-DEC')

注意：df1.columns 属于 PeriodIndex dtype

In [46]: df2
Out[46]:
    a   b   c
0  a1  b1  c1
1  a2  b2  c2
2  a3  b3  c3

In [47]: df2.columns
Out[47]: Index(['a', 'b', 'c'], dtype='object')

merge 和 join 将返回：ValueError: can only call with other PeriodIndex-ed objects，因为，AFAIK，如果其中一些属于 PeriodIndex dtype，则 Pandas DF 不能有混合列 dtype：

In [48]: df1.join(df2)
...
skipped
...
ValueError: can only call with other PeriodIndex-ed objects

merge 抛出同样的异常：

In [54]: pd.merge(df1, df2, left_index=True, right_index=True)
...
skipped
...
ValueError: can only call with other PeriodIndex-ed objects

所以我们必须将df1.columns 转换为字符串：

In [49]: df1.columns = df1.columns.values.astype(str)

In [50]: df1.columns
Out[50]: Index(['1996Q2', '2000Q3', '2010Q4'], dtype='object')

现在join 和merge 可以工作了：

In [51]: df1.join(df2)
Out[51]:
   1996Q2  2000Q3    2010Q4   a   b   c
0     1.5     3.5  1.000000  a1  b1  c1
1    22.0    38.5  2.000000  a2  b2  c2
2    15.0    35.0  4.333333  a3  b3  c3

In [52]: pd.merge(df1, df2, left_index=True, right_index=True)
Out[52]:
   1996Q2  2000Q3    2010Q4   a   b   c
0     1.5     3.5  1.000000  a1  b1  c1
1    22.0    38.5  2.000000  a2  b2  c2
2    15.0    35.0  4.333333  a3  b3  c3

用于合并 DF 的列 dtypes：

In [58]: df1.join(df2).columns
Out[58]: Index(['1996Q2', '2000Q3', '2010Q4', 'a', 'b', 'c'], dtype='object')

如果您在合并完成后需要 df1.columns 为 PeriodIndex - 您可以在转换之前保存 df1.columns 并在完成合并/加入后将它们重新设置：

In [60]: df1.columns
Out[60]: PeriodIndex(['1996Q2', '2000Q3', '2010Q4'], dtype='period[Q-DEC]', freq='Q-DEC')

In [61]: cols_saved = df1.columns

In [62]: df1.columns = df1.columns.values.astype(str)

In [63]: df1.columns
Out[63]: Index(['1996Q2', '2000Q3', '2010Q4'], dtype='object')

# merging (joining) or doing smth else here ...

In [64]: df1.columns = cols_saved

In [65]: df1.columns
Out[65]: PeriodIndex(['1996Q2', '2000Q3', '2010Q4'], dtype='period[Q-DEC]', freq='Q-DEC')

【讨论】：

我了解您在做什么以及您将在哪里进行此操作，但是，对我来说，字符串转换的工作方式不同。当我按照您的建议执行此“astype”时，我得到了 Index(['105', '106', '107' ...... ], dftype='object')
@alernerdev，你的熊猫版本是什么？我正在使用熊猫 0.19.1
它的 0.18.1 -- 你认为它会有所作为吗？
@alernerdev，如果可以的话，我认为更新到 0.19.1 是有意义的 - 有很多新功能和错误修复......

【解决方案2】：

我实际上遇到了同样的问题，并且也得到了整数列。

代替

df1.columns = df1.columns.values.astype(str)

我用过

df1.columns = df1.columns.format()

希望对你有帮助

【讨论】：