Python 熊猫如何使用列表作为分组标准，对日期时间序列执行groupby？_Python_Pandas_Datetime_Dataframe

Python 熊猫如何使用列表作为分组标准，对日期时间序列执行groupby？

python pandas datetime dataframe

Python 熊猫如何使用列表作为分组标准，对日期时间序列执行groupby？,python,pandas,datetime,dataframe,Python,Pandas,Datetime,Dataframe,如果df是由DateTime对象索引的Dataframe，则以下代码将其拆分为列表groups\u list，其中每个索引包含df中属于给定日期的所有数据： groupby_clause = [df.index.year,df.index.month,df.index.day] groups_list = [group[1] for group in df.groupby(groupby_clause)] 但是，我很难理解分组是如何进行的，因为我不需要将groupby_子句的元素标记为年、月和

如果

df

是由

DateTime

对象索引的

Dataframe

，则以下代码将其拆分为列表

groups\u list

，其中每个索引包含

df

中属于给定日期的所有数据：

groupby_clause = [df.index.year,df.index.month,df.index.day]
groups_list = [group[1] for group in df.groupby(groupby_clause)]

但是，我很难理解分组是如何进行的，因为我不需要将

groupby_子句的元素标记为年、月和日，以便在DateTime
对象上进行分组
例如，我为组列表
提供了以下组件：

也许我遗漏了一些明显的东西，但我不明白：熊猫如何知道它应该将groupby_子句[0]
与年份关联，groupby_子句[1]
与月份关联，以及groupby_子句[2]
to day以便对具有日期时间类型的数据帧索引进行分组？
假设您有这样一个数据帧：
                            0
2011-01-01 00:00:00 -0.324398
2011-01-01 01:00:00 -0.761585
2011-01-01 02:00:00  0.057204
2011-01-01 03:00:00 -1.162510
2011-01-01 04:00:00 -0.680896
2011-01-01 05:00:00 -0.701835
2011-01-01 06:00:00 -0.431338
2011-01-01 07:00:00  0.306935
2011-01-01 08:00:00 -0.503177
2011-01-01 09:00:00 -0.507444
2011-01-01 10:00:00  0.230590
2011-01-01 11:00:00 -2.326702
2011-01-01 12:00:00 -0.034664
2011-01-01 13:00:00  0.224373
2011-01-01 14:00:00 -0.242884

如果您希望索引按年份、月份和日期显示，则只需set\u index
it:
df.set_index([ts.index.year, ts.index.month, ts.index.day])

输出
                 0
2011 1 1 -0.324398
       1 -0.761585
       1  0.057204
       1 -1.162510
       1 -0.680896
       1 -0.701835
       1 -0.431338
       1  0.306935
       1 -0.503177
       1 -0.507444
       1  0.230590
       1 -2.326702
       1 -0.034664
       1  0.224373
       1 -0.242884
       1 -0.134757
       1 -1.177362
       1  0.931335
       1  0.904084
       1 -0.757860
       1  0.406597
       1 -0.664150