Python Pandas 使用日期时间数据按日期分组

Question

我有一个列 Date_Time，我希望在不创建新列的情况下按日期时间分组。这可能是我当前的代码不起作用吗？

df = pd.groupby(df,by=[df['Date_Time'].date()])

Answer 1

您可以使用 groupby 按 Date_Time 列的日期 dt.date:

df = df.groupby([df['Date_Time'].dt.date]).mean()

样本：

df = pd.DataFrame({'Date_Time': pd.date_range('10/1/2001 10:00:00', periods=3, freq='10H'),
                   'B':[4,5,6]})

print (df)
   B           Date_Time
0  4 2001-10-01 10:00:00
1  5 2001-10-01 20:00:00
2  6 2001-10-02 06:00:00

print (df['Date_Time'].dt.date)
0    2001-10-01
1    2001-10-01
2    2001-10-02
Name: Date_Time, dtype: object

df = df.groupby([df['Date_Time'].dt.date])['B'].mean()
print(df)
Date_Time
2001-10-01    4.5
2001-10-02    6.0
Name: B, dtype: float64

resample的另一个解决方案：

df = df.set_index('Date_Time').resample('D')['B'].mean()

print(df)
Date_Time
2001-10-01    4.5
2001-10-02    6.0
Freq: D, Name: B, dtype: float64

Answer 2

resample

df.resample('D', on='Date_Time').mean()

              B
Date_Time      
2001-10-01  4.5
2001-10-02  6.0

---

Grouper

根据@JosephCottam 的建议

df.set_index('Date_Time').groupby(pd.Grouper(freq='D')).mean()

              B
Date_Time      
2001-10-01  4.5
2001-10-02  6.0

---

已弃用 TimeGrouper

您可以将索引设置为'Date_Time'并使用pd.TimeGrouper

df.set_index('Date_Time').groupby(pd.TimeGrouper('D')).mean().dropna()

              B
Date_Time      
2001-10-01  4.5
2001-10-02  6.0

Answer 3

df.groupby(pd.Grouper(key='Date_Time', axis=0, freq='M')).sum()

一个月 Y 代表年份 D代表一天