写入HDFStore时，是否可以保留Pandas tseries DatetimeIndex的频率？

Question

我有一个熊猫数据帧中的索引（注意频率：H） -

<class 'pandas.tseries.index.DatetimeIndex'> 
[2011-01-01 00:00:00, ..., 2013-12-31 23:00:00] 
Length: 26304, Freq: H, Timezone: None 

有多个列，但排第几（和其他散落各处）都NA条目。如果我写这篇文章的HDF文件这样的：

hdfstore.put('/table', df, format='table', data_columns=True, append=False) 

，然后读回用：

df = hdfstore['/table'] 

，并期待指数，我看到：

<class 'pandas.tseries.index.DatetimeIndex'> 
[2011-01-11 04:00:00, ..., 2013-12-31 23:00:00] 
Length: 24656, Freq: None, Timezone: None 

注意， Freq现在为None，并且行数少，开始日期时间晚。第一行现在是原始DataFrame的第一行，其中至少包含一个非NA列值。

首先，这是由于HDF5格式的局限性，数据帧的存储方式或错误而导致的预期行为？

有没有一种干净的方法来避免这种情况的发生，或者我只是需要在加载后“修复”索引。不知道做这件事的最好方法是什么。

Answer 1

它们是在0.13.1（可能为0.13.0）中引入的选项，您可以在put/append上设置dropna=False以避免丢弃全部NaN行。这样做是为了提高效率，因为大多数情况下，在存储Panel的时候，你有很多全NaN行，但没有理由存储它们。

否则频率信息将被保留。请注意，如果你是appending，如果多次追加，频率信息将不会被保留。

如果您需要重新推断频率（如果可能），您可以随时pd.infer_freq(an_index)。通常，如果需要，可以在任何情况下自动完成。