将 DateTimeindex 转换为仅包含年、小时和日而不是时间信息

Question

我有一个带有索引的数据框，其中还包含 Hour:second:... 但我只希望它包含年、月、日等日期。

索引是否可能仍然是 DateTimeIndex 但仅包含年、月、日？

当前索引如下：

my_index = DatetimeIndex(['2017-08-25', '2017-08-24', '2017-08-23', '2017-08-22',
           '2017-08-21', '2017-08-20', '2017-08-19', '2017-08-18',
           '2017-08-17', '2017-08-16',
           ...
           '2015-07-19', '2015-07-18', '2015-07-17', '2015-07-16',
           '2015-07-15', '2015-07-14', '2015-07-13', '2015-07-12',
           '2015-07-11', '2015-07-10'],
          dtype='datetime64[ns]', length=778, freq=None)

我能做到：

only_date_index = [el.date() for el in my_index]

但是，如果我想在 pandas 中使用 resample 函数，我会收到错误消息： TypeError：仅对 DatetimeIndex、TimedeltaIndex 或 PeriodIndex 有效，但获得了“Index”实例。

Answer 1

你需要DatetimeIndex.floor:

myIndex = df.index.floor('D')

示例：

rng = pd.date_range('2017-04-03 15:00:45', periods=10, freq='24T')
df = pd.DataFrame({'a': range(10)}, index=rng)  
print (df)
                     a
2017-04-03 15:00:45  0
2017-04-03 15:24:45  1
2017-04-03 15:48:45  2
2017-04-03 16:12:45  3
2017-04-03 16:36:45  4
2017-04-03 17:00:45  5
2017-04-03 17:24:45  6
2017-04-03 17:48:45  7
2017-04-03 18:12:45  8
2017-04-03 18:36:45  9

myIndex = df.index.floor('D')
print (myIndex)
DatetimeIndex(['2017-04-03', '2017-04-03', '2017-04-03', '2017-04-03',
               '2017-04-03', '2017-04-03', '2017-04-03', '2017-04-03',
               '2017-04-03', '2017-04-03'],
              dtype='datetime64[ns]', freq=None)

感谢 Deckerz 提供另一个解决方案 - 使用 DatetimeIndex.normalize：

myIndex = df.index.normalize()
print (myIndex)
DatetimeIndex(['2017-04-03', '2017-04-03', '2017-04-03', '2017-04-03',
               '2017-04-03', '2017-04-03', '2017-04-03', '2017-04-03',
               '2017-04-03', '2017-04-03'],
              dtype='datetime64[ns]', freq=None)

时间安排：

ix = pd.date_range('1970-01-01', '2200-01-15', freq='1H')

print (len(ix))
2016481

In [68]: %timeit (ix.normalize())
10 loops, best of 3: 178 ms per loop

In [69]: %timeit (ix.floor('d'))
10 loops, best of 3: 38.4 ms per loop

#solution from Dror (https://stackoverflow.com/questions/45954497/in-pandas-group-by-date-from-datetimeindex)
In [70]: %timeit pd.to_datetime(ix.date)
1 loop, best of 3: 5.09 s per loop