Pandas 将groupby对象转换为dataframe，同时保留组语义

我不幸地未能从中推断出一个数据帧的分组，然后将

groupby

计算的组语义合并回原始数据帧。似乎缺少文档，因此答案不适用于当前版本

此代码：

grouped = df.groupby(pd.Grouper(
            key = my_time_column, 
            freq = '15Min', 
            label='left', 
            sort=True)).apply(pd.DataFrame)

返回一个数据帧，但我找不到方法转换到一个数据帧，该数据帧具有与原始

df

相同的数据，同时用

groupby

对象中每一行所属的组的开始日期时间填充一个新列

以下是我目前的破解方法：

grouped = df.groupby(pd.Grouper(
            key = my_datetime_column, 
            freq = '15Min', 
            label='left', 
            sort=True))

sorted_df = grouped.apply(pd.DataFrame)

interval_starts = []
for group_idx, group_member_indices in grouped.indices.items():
    for group_member_index in group_member_indices:
        interval_starts.append(group_idx)

sorted_df['interval_group_start'] = interval_starts

想知道是否有一种优雅的方式

---

熊猫版本：0.23.0

IIUC，这应该满足您的需求：

grouped = df.groupby(pd.Grouper(key=my_time_column, 
                                freq = '15Min', 
                                label='left', 
                                sort=True))\
            .apply(pd.DataFrame)
grouped['start'] = grouped.loc[:, my_time_column] \
                          .groupby(level=0) \
                          .transform('min')

---

您希望使用

groupby

+

transform

返回类似的索引序列。在这种情况下，可能按时间列排序并转换

。首先

将结果广播回每个组成员。如果您提供示例数据，我相信有人会提供准确的代码。您正在查找

transform（）

：很抱歉，可能会误导您。我添加了解决问题的代码，基本上问题中包含的代码足够快。还不确定如何使用

transform

进行转换。我应该添加一个完整且可复制的示例。