python - Pandas:如何按日期时间列进行分组，仅使用时间并丢弃日期

Question

我有一个带有日期时间列的数据框。我想仅按时间部分进行分组并聚合，例如通过取平均值。

我知道我可以使用 pd.Grouper 按日期和时间进行分组，但它不能仅按时间工作。

假设我们有以下数据框:

import numpy as np
import pandas as pd

drange = pd.date_range('2019-08-01 00:00', '2019-08-12 12:00', freq='1T')
time = drange.time
c0 = np.random.rand(len(drange))
c1 = np.random.rand(len(drange))
df = pd.DataFrame(dict(drange=drange, time=time, c0=c0, c1=c1))
print(df.head())

               drange      time        c0        c1
0 2019-08-01 00:00:00  00:00:00  0.031946  0.159739
1 2019-08-01 00:01:00  00:01:00  0.809171  0.681942
2 2019-08-01 00:02:00  00:02:00  0.036720  0.133443
3 2019-08-01 00:03:00  00:03:00  0.650522  0.409797
4 2019-08-01 00:04:00  00:04:00  0.239262  0.814565

在这种情况下，以下代码会引发 TypeError:

grouper = pd.Grouper(key='time', freq='5T')
grouped = df.groupby(grouper).mean()

我可以设置 key=drange 按日期和时间分组，然后:

• 重置索引
• 将新列转换为 float
• 带有 pd.cut 的垃圾箱
• 回到过去
• 最后分组然后聚合

...但我想知道是否有更干净的方法来达到相同的结果。

Answer 1

Series.dt.time/DatetimeIndex.time 将时间返回为 datetime.time。这不太好，因为 pandas 最适合 timedelta64，因此您的 'time' 列将转换为 object，失去所有日期时间功能。

您可以减去标准化日期以获得 timedelta 形式的时间，这样您就可以继续使用 pandas 的 datetime 工具。您可以将其地板分组。

s = (df.drange - df.drange.dt.normalize()).dt.floor('5T')

df.groupby(s).mean()

<小时/>

                c0        c1
drange                      
00:00:00  0.436971  0.530201
00:05:00  0.441387  0.518831
00:10:00  0.465008  0.478130
...            ...       ...
23:45:00  0.523233  0.515991
23:50:00  0.468695  0.434240
23:55:00  0.569989  0.510291

<小时/>

或者，如果您不确定floor，这将获得与索引名称相同的输出

df['time'] = (df.drange - df.drange.dt.normalize())  # timedelta64[ns]
df.groupby(pd.Grouper(key='time', freq='5T')).mean()