多索引上的 Pandas TimeGrouper

Posted 2023-03-12

【中文标题】多索引上的 Pandas TimeGrouper

【英文标题】：Pandas TimeGrouper on multiindex

【发布时间】：2017-05-19 22:06:39

【问题描述】：

我有一个 multiIndex pandas 数据框，其中第一级索引是一个组，第二级索引是时间。 我想要做的是，在每个组中，以日内观察的平均值重新采样到每日频率。

import pandas as pd
import numpy as np

data = pd.concat([pd.DataFrame([['A']*72, list(pd.date_range('1/1/2011', periods=72, freq='H')), list(np.random.rand(72))], index = ['Group', 'Time', 'Value']).T,
                  pd.DataFrame([['B']*72, list(pd.date_range('1/1/2011', periods=72, freq='H')), list(np.random.rand(72))], index = ['Group', 'Time', 'Value']).T,
                  pd.DataFrame([['C']*72, list(pd.date_range('1/1/2011', periods=72, freq='H')), list(np.random.rand(72))], index = ['Group', 'Time', 'Value']).T],
                  axis = 0).set_index(['Group', 'Time'])

这是我迄今为止尝试过的：

daily_counts = data.groupby(pd.TimeGrouper('D'), level = ['Time']).mean()

但我收到以下错误：

TypeError: Only valid with DatetimeIndex, TimedeltaIndex or PeriodIndex, but got an instance of 'MultiIndex'

知道如何解决这个问题吗？

【参考方案1】：

您需要先将列转换为float，然后使用Grouper：

data['Value'] = data['Value'].astype(float)
daily_counts = data.groupby([pd.Grouper(freq='D', level='Time'), 
                             pd.Grouper(level='Group')])['Value'].mean()

print (daily_counts) 
Time        Group
2011-01-01  A        0.548358
            B        0.612878
            C        0.544822
2011-01-02  A        0.529880
            B        0.437062
            C        0.388626
2011-01-03  A        0.563854
            B        0.479299
            C        0.557190
Name: Value, dtype: float64

另一种解决方案：

data = data.reset_index(level='Group')
print (data.groupby('Group').resample('D')['Value'].mean())

【讨论】：

非常感谢这解决了我的问题。所以我想主要的收获是，当我想在 MultiIndex 上进行分组时，我仍然需要将所有索引级别作为分组器传递。公平吗？

是的，但可能是更常用的第二种解决方案，请参阅here。

在您的第二个解决方案中，值得强调这个错误（在 pandas 0.19 中修复）可能会阻止在重新采样中使用 kwargs：github.com/pandas-dev/pandas/issues/13235

请注意，pd.TimeGrouper() 已被弃用，取而代之的是带有freq 参数集的pd.Grouper()。