如何将日期和小时列合并到熊猫系列中的一个索引列中？

Posted 2023-03-12

【中文标题】如何将日期和小时列合并到熊猫系列中的一个索引列中？

【英文标题】：How to combine dates and hours column into one index column in a pandas series?

【发布时间】：2014-07-30 13:00:00

【问题描述】：

我有一个熊猫系列，如下所示：

df.head()
Country  Day         Hour
DE       2013-01-01  1       36504
                     2       35142
                     3       33723
                     4       32375
                     5       31876
dtype: float64

与

'Country', 'Day', 'Hour' 

作为 DateTime 格式的索引列 (MultiIndex) 和 'Day'。实际值（负载）在未标记的列中。

我现在想将“Day”和“Hour”列合并为一个“Date”索引列。我做了很多搜索，到目前为止，我只看到了基于 pd.read_csv 和 pd.read_table 的解决方案。但是，由于这是一个系列（不是数据框/csv/excel），这些解决方案似乎并不适用。

【参考方案1】：

df["Day"] + pd.to_timedelta(df["Hour"])

应该可以。

【参考方案2】：

您可以添加它们（如果您首先将小时乘以纳秒数），但您必须下拉到 numpy 进行计算*：

In [11]: dr = pd.date_range('2014', periods=5)

In [12]: hours = pd.Index(np.arange(5))

In [13]: pd.DatetimeIndex(dr.values + hours.values * pd.offsets.Hour(1).nanos)
Out[13]:
<class 'pandas.tseries.index.DatetimeIndex'>
[2014-01-01 00:00:00, ..., 2014-01-05 04:00:00]
Length: 5, Freq: None, Timezone: None

注意：MultiIndex 中的每个级别都是一个索引，但这与 Series 或 np.array 相同。

*显然 Index 会覆盖 + 运算符以使其追加...

使用get_level_values 访问MultiIndex 的级别，请参阅another question。