python - 在 Pandas 中，从具有年和周的多索引生成日期时间索引

Question

我有一个 DataFrame df带列saledate (在 DateTime 中，dytpe <M8[ns] )和 price (dytpe int64 )，如果我像这样绘制它们

fig, ax = plt.subplots()
ax.plot_date(dfp['saledate'],dfp['price']/1000.0,'.')
ax.set_xlabel('Date of sale')
ax.set_ylabel('Price (1,000 euros)')

我得到一个如下所示的散点图。

由于点太多，很难辨别平均趋势，因此我想计算每周的平均销售价格，并将其绘制在同一个图中。我尝试过以下方法:

dfp_week = dfp.groupby([dfp['saledate'].dt.year, dfp['saledate'].dt.week]).mean()

如果我像这样绘制结果“价格”列

plt.figure()
plt.plot(df_week['price'].values/1000.0)
plt.ylabel('Price (1,000 euros)')

我可以更清楚地辨别出增长趋势(见下文)。

问题是我不再有时间轴来在与上图相同的图中绘制此数据系列。时间轴是这样开始的:

                   longitude_4pp  postal_code_4pp     price  rooms  \
saledate saledate                                                    
2014     1              4.873140           1067.5  206250.0    2.5   
         6              4.954779           1102.0  129000.0    3.0   
         26             4.938828           1019.0  327500.0    3.0   
         40             4.896904           1073.0  249000.0    2.0   
         43             4.938828           1019.0  549000.0    5.0 

如何将这个包含年和周的多索引转换回单个日期时间索引，以便我可以根据该索引绘制每周平均数据？

Answer 1

如果您使用 pd.TimeGrouper 进行分组，您将在索引中保留日期时间。

dfp.groupby(pd.TimeGrouper('W')).mean()