pandas.Series将int64转换为NaN时会发生什么？

Question

我有一个带日期和整数（标题：日期，数字）的csv，用制表符分隔。

我正在尝试使用CalMap（该页面上的演示）创建日历热图。创建图表的函数采用DateTime索引的数据。

df = pd.read_csv("data.csv",delimiter="\t")
df['Date'] = df['Date'].astype('datetime64[ns]')

events = pd.Series(df['Date'],index = df['Number'])
calmap.yearplot(events)

但是当我检查events.head(5)时，会给出日期，后跟NaN。我检查了df['Number'].head(5)，它们显示为int64。

导致此转换的我在做什么错？

编辑：下面的数据

Date    Number
7/9/2018    40
7/10/2018   40
7/11/2018   40
7/12/2018   70
7/13/2018   30

Answer 1

首先，它不是NaN，它不是NaT（不是时间戳记），这对Pandas来说是唯一的，尽管Pandas使它与NaN兼容，并且在浮点列中将其与NaN相似地用于标记丢失的数据。

NaT的作用显然取决于pd.Series(data, index=index)的类型。如果data是列表，则data必须具有相等的长度，并且将以index为数据且Series为索引的方式构造新的data。但是，如果index已经是data（例如Series），它将取而代之与df['Date']对应的行，并从这些行中构造一个新的index。例如：

Series

会给你

pd.Series(df['Date'], [1, 1, 4])

1   2018-07-10
1   2018-07-10
4   2018-07-13

来自第1行，2018-07-10来自2018-07-11的第4行。但是，样本输入数据中没有索引为df['Date']，40或70的行，因此假定缺少数据，而是插入了30。

相反，这是使用列表时得到的：

NaT