Python 按日期聚合的更优雅方式

我有以下数据帧

               time  power
0  2019-01-01 00:00    100
1  2019-01-01 01:00    102
2  2019-01-01 02:00    100
3  2019-01-02 00:00     99
4  2019-01-02 01:00     98
5  2019-01-02 01:00    102

并希望按日期聚合功率。有两个聚合函数：std和average。因此，我想获得以下输出

         date   avg_power  std_power
0  2019-01-01  100.666667   1.154701
1  2019-01-02   99.666667   2.081666

下面是生成以下内容的代码：

import pandas as pd
import numpy as np

power_df = pd.DataFrame({
    'time': ['2019-01-01 00:00', '2019-01-01 01:00', '2019-01-01 02:00', '2019-01-02 00:00', '2019-01-02 01:00', '2019-01-02 01:00'],
    'power': [100, 102, 100, 99, 98, 102]
})
power_df['time'] = pd.to_datetime(power_df['time'])

power_df['date'] = power_df['time'].dt.date

grouped_power_by_date = power_df.groupby('date').agg(**{
    'avg_power': pd.NamedAgg('power', np.mean),
    'std_power': pd.NamedAgg('power', np.std),
})

print(grouped_power_by_date.reset_index())

因此，我有两个问题：

是否有一种方法可以按日期分组而不添加额外的“日期”列

当我在

group\u by

中使用

as\u index=False

时，输出如下所示：

然而，我希望得到我上面描述的输出。这是一个bug还是我做错了什么？

试试这个：

power_df.groupby(pd.to_datetime(power_df.time).dt.date).agg(**{
    'avg_power': pd.NamedAgg('power', np.mean),
    'std_power': pd.NamedAgg('power', np.std),
})

o/p

试试这个：

power_df.groupby(pd.to_datetime(power_df.time).dt.date).agg(**{
    'avg_power': pd.NamedAgg('power', np.mean),
    'std_power': pd.NamedAgg('power', np.std),
})

o/p

---

我想你已经做了你想做的。当我运行

print（按日期分组\u power\u.reset\u index（））

时，我会得到您想要的输出：

         date   avg_power  std_power
0  2019-01-01  100.666667   1.154701
1  2019-01-02   99.666667   2.081666

---

我想你已经做了你想做的。当我运行

print（按日期分组\u power\u.reset\u index（））

时，我会得到您想要的输出：

         date   avg_power  std_power
0  2019-01-01  100.666667   1.154701
1  2019-01-02   99.666667   2.081666

---

预期输出是什么？预期输出是什么？是的，我共享的代码生成预期输出。但是，我不明白为什么按日期分组的功率=功率df.groupby（'date'）.agg（**{'avg\u power'：pd.namedagh（'power'，np.mean），'std\u power'：pd.namedagh（'power'，np.std），}）产生了一些不同的结果。不同之处在于索引。当您使用

.agg（）

进行聚合时，返回的数据帧将根据您分组数据的方式（本例中的日期）进行索引，而第一个数据帧将以数字形式进行索引（0、1等）。是的，我共享的代码将生成预期的输出。但是，我不明白为什么按日期分组的功率=功率df.groupby（'date'）.agg（**{'avg\u power'：pd.namedagh（'power'，np.mean），'std\u power'：pd.namedagh（'power'，np.std），}）产生了一些不同的结果。不同之处在于索引。使用

.agg（）

进行聚合时，返回的数据帧将根据数据分组的方式（本例中的日期）进行索引，而第一个数据帧将以数字形式进行索引（0、1等）