Python Pandas 使用日期时间数据按日期分组答案

【问题标题】：Python Pandas Group by date using datetime dataPython Pandas 使用日期时间数据按日期分组
【发布时间】：2017-01-16 22:16:34
【问题描述】：

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。

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

【问题讨论】：

标签： python pandas datetime dataframe pandas-groupby

【解决方案1】：

您可以使用groupby by 列Date_Time by dt.date 的日期：

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

示例：

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

【讨论】：

【解决方案2】：

`resample`

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

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

`Grouper`

正如@JosephCottam 所建议的那样

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

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

不推荐使用`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

【讨论】：

这太棒了！我如何防止它添加没有数据的日期？例如，如果我有 9/1、9/2 和 9/4 天的数据，它仍然有 9/3 和 NaN 值。
@GoBlue_MathMan 使用.dropna()
TimeGrouper 已被弃用。您能否更新您的答案以改用pd.Grouper(freq='D')？
@JosephCottam 你去。如果这对你有用，请告诉我。
这里，当按“小时”分组时，它会将源文件中不存在的小时添加为零值。

resample

Grouper

不推荐使用TimeGrouper

`resample`

`Grouper`

不推荐使用`TimeGrouper`