按日期分組熊貓數據框

Question

我有一個包含date列的熊貓數據框。該列的元素類型爲pandas.tslib.Timestamp。

我想按日期對數據幀進行分組，但不包括日期更精確的時間戳信息（即按日期分組，所有Feb 23, 2011都分組）。我知道如何在SQL中表達這一點，但對於Pandas來說，這是相當新的。

This question做的事情非常相似，但我不明白代碼，它使用datetime對象。

從documentation，我甚至不知道如何從Pandas Timestamp對象中檢索日期。我可以轉換爲datetime的對象，但看起來很迂迴。

---

按照要求，中df.head()輸出：

date show network timed session_id 
0 2011-12-03 02:48:52 Monk TV38 670  00003DA9-01D2-E7A9-4177-203BE6A9E2BA  
1 2011-12-03 03:00:09 WBZ News TV38 205  00003DA9-01D2-E7A9-4177-203BE6A9E2BA 
2 2011-12-03 03:04:04 Dateline NBC NBC  30 00003DA9-01D2-E7A9-4177-203BE6A9E2BA 
3 2011-12-03 03:04:35 20/20 ABC  25 00003DA9-01D2-E7A9-4177-203BE6A9E2BA 
4 2011-12-03 03:04:56 College Football FOX  55 00003DA9-01D2-E7A9-4177-203BE6A9E2BA 

Answer 1

可以使用normalize DatetimeIndex方法（它需要到午夜的那一天）：

In [11]: df['date'] 
Out[11]: 
0 2011-12-03 02:48:52 
1 2011-12-03 03:00:09 
2 2011-12-03 03:04:04 
3 2011-12-03 03:04:35 
4 2011-12-03 03:04:56 
Name: date, dtype: datetime64[ns] 

In [12]: pd.DatetimeIndex(df['date']).normalize() 
Out[12]: 
<class 'pandas.tseries.index.DatetimeIndex'> 
[2011-12-03 00:00:00, ..., 2011-12-03 00:00:00] 
Length: 5, Freq: None, Timezone: None 

你可以GROUPBY此：

g = df.groupby(pd.DatetimeIndex(df['date']).normalize()) 

---

在0.15，你將有訪問dt屬性，所以可以這樣寫：

g = df.groupby(df['date'].dt.normalize()) 

Answer 2

如果你想GROUPBY和骨料（如在SQL）或創建一個日期，而不是一個時間戳指數目前尚不清楚。

如果你想GROUPBY和彙集起來，你可以這樣來做：

df.groupby(df.set_index('date').index.date).mean() 

時間序列指標有日期時間性質在如天，日期等。這將彙集計時的列，因爲它是唯一數字列。

如果你想創建一個日期水平的指數，你可以這樣做：

import datetime 
df.set_index(['date', df.date.apply(lambda x: datetime.datetime.date(x))], inplace=True) 
df.index.names = ['timestamp', 'daydate'] 

這會給你與時間戳和日期的多指標。如果您不希望索引永久化，請刪除inplace =參數。