Python 3.x 使用多索引和多列重新采样

我有一个具有以下结构的熊猫数据帧：

ID    date           m_1   m_2 
 1    2016-01-03     10    3.4
      2016-02-07     11    3.3
      2016-02-07     10.4  2.8
 2    2016-01-01     10.9  2.5
      2016-02-04     12    2.3
      2016-02-04     11    2.7
      2016-02-04     12.1  2.1

ID

和

date

都是一个

多索引

。数据表示一些传感器（示例中为两个传感器）进行的一些测量。这些传感器有时每天会创建几个测量值（如示例所示）

我的问题是：

• 我如何对其重新采样，使每个传感器每天有一行，但一列有

  平均值

  ，另一列有

  最大值

  ，另一列有

  最小值

  ，以此类推
• 我如何“对齐”（也许这不是正确的词）两个时间序列，以便两者同时开始和结束（从

  2016-01-01

  到

  2016-02-07

  ），使用NAs添加缺失的天数

您可以先与

dict

中的函数一起使用，然后通过以下方式进行聚合：

对于第二级中的

PeriodIndex

，请与以下内容一起使用：

---

令人惊叹的。谢谢你不认为现在的

日期应该是
期间而不是
时间戳吗？@nanounaue-不，没有理由。@nanounaue-你可以通过
打印（df.index.get\u level\u value（'date'））来检查它。
如果我的问题不清楚，我道歉。我的意思是（在评论中）如果有一种简单的方法将
日期
索引转换为
期间
是的，这是可能的，您需要月还是日期间？
df = df.reset_index(level=0).groupby('ID').resample('D').agg({'m_1':'mean', 'm_2':'max'})
df = df.reindex(pd.MultiIndex.from_product(df.index.levels, names = df.index.names))

#alternative for adding missing start and end datetimes
#df = df.unstack().stack(dropna=False)
print (df.head())
               m_2   m_1
ID date                 
1  2016-01-01  NaN   NaN
   2016-01-02  NaN   NaN
   2016-01-03  3.4  10.0
   2016-01-04  NaN   NaN
   2016-01-05  NaN   NaN

df.index = df.index.set_levels(df.index.get_level_values('date').to_period('d'), level=1)

print (df.index.get_level_values('date'))

PeriodIndex(['2016-01-01', '2016-01-02', '2016-01-03', '2016-01-04',
             '2016-01-05', '2016-01-06', '2016-01-07', '2016-01-08',
             '2016-01-09', '2016-01-10', '2016-01-11', '2016-01-12',
             '2016-01-13', '2016-01-14', '2016-01-15', '2016-01-16',
             '2016-01-17', '2016-01-18', '2016-01-19', '2016-01-20',
             '2016-01-21', '2016-01-22', '2016-01-23', '2016-01-24',
             '2016-01-25', '2016-01-26', '2016-01-27', '2016-01-28',
             '2016-01-29', '2016-01-30', '2016-01-31', '2016-02-01',
             '2016-02-02', '2016-02-03', '2016-02-04', '2016-02-05',
             '2016-02-06', '2016-02-07', '2016-01-01', '2016-01-02',
             '2016-01-03', '2016-01-04', '2016-01-05', '2016-01-06',
             '2016-01-07', '2016-01-08', '2016-01-09', '2016-01-10',
             '2016-01-11', '2016-01-12', '2016-01-13', '2016-01-14',
             '2016-01-15', '2016-01-16', '2016-01-17', '2016-01-18',
             '2016-01-19', '2016-01-20', '2016-01-21', '2016-01-22',
             '2016-01-23', '2016-01-24', '2016-01-25', '2016-01-26',
             '2016-01-27', '2016-01-28', '2016-01-29', '2016-01-30',
             '2016-01-31', '2016-02-01', '2016-02-02', '2016-02-03',
             '2016-02-04', '2016-02-05', '2016-02-06', '2016-02-07'],
            dtype='period[D]', name='date', freq='D')