Pandas: Ne fonctionne pas set_index avec drop

thx, cela semble être un bug. si l'entrée est un Series découpé à partir de l'original, la colonne correspondante doit être supprimée.

fonctionne bien si nous passons le nom de la colonne.

dtf.set_index('DATE_TIME', drop=True, inplace=True)
dtf.columns
# Index(['A'], dtype='object')

pas un bug - cela viole les garanties de set_index

il n'est pas valide de passer une colonne réelle ici -

ce n'est pas la même chose que d'attribuer l'index

il y a un PR où essayer de faire ce travail - mais c'est intrinsèquement ambigu

Je ne suis même pas sûr de pouvoir avertir à ce sujet
(bien que ce soit une erreur d'utiliser inplace et de déposer je pense)

pas un bug - cela viole les garanties de set_index

Pouvez-vous préciser quelle est la garantie de set_index? Je trouve déroutant si j'utilise spécifiquement drop=True et n'obtiens aucune erreur lorsque, pour une raison quelconque, la suppression n'est pas autorisée ou possible.

@michaelaye

lorsque vous passez une liste pour les clés, c'est par définition la définition de l'index. Cependant, on pourrait penser que [58] est le résultat réel de [57].

In [55]: df = pd.DataFrame({'A':range(2),'B':range(2),'C':range(2)})

In [56]: df
Out[56]: 
   A  B  C
0  0  0  0
1  1  1  1

In [57]: df.set_index(['A','B'])
Out[57]: 
     C
A B   
0 0  0
1 1  1

In [58]: df.index=['A','B']

In [59]: df
Out[59]: 
   A  B  C
A  0  0  0
B  1  1  1

In [54]: DataFrame.set_index?
Signature: DataFrame.set_index(self, keys, drop=True, append=False, inplace=False, verify_integrity=False)
Docstring:
Set the DataFrame index (row labels) using one or more existing
columns. By default yields a new object.

Parameters
----------
keys : column label or list of column labels / arrays
drop : boolean, default True
    Delete columns to be used as the new index
append : boolean, default False
    Whether to append columns to existing index
inplace : boolean, default False
    Modify the DataFrame in place (do not create a new object)
verify_integrity : boolean, default False
    Check the new index for duplicates. Otherwise defer the check until
    necessary. Setting to False will improve the performance of this
    method

Examples
--------
>>> indexed_df = df.set_index(['A', 'B'])
>>> indexed_df2 = df.set_index(['A', [0, 1, 2, 0, 1, 2]])
>>> indexed_df3 = df.set_index([[0, 1, 2, 0, 1, 2]])

Returns
-------
dataframe : DataFrame

des plans pour résoudre ce problème?