Python 熊猫：按一段线分组

我有一个很大的数据集，它有大约6000行和几百列。我已经成功地将大部分信息按需要进行了分类，但现在我陷入了困境，因为我无法按照字符串的一部分进行正确分组

原始数据的格式如下：

6001  17/11/2019 6:00:00 PM         2019  ...        30.519371    NaN
6002  17/11/2019 6:00:00 PM         2019  ...         0.000000    NaN
6003  17/11/2019 6:00:00 PM         2019  ...         0.000000    NaN
6004  17/11/2019 6:00:00 PM         2019  ...         0.000000    NaN
6005  17/11/2019 6:00:00 PM         2019  ...         0.000000    NaN

[6006 rows x 153 columns]>

首先，我运行了一个查询，根据其中一列筛选出数据。在这之后，我剩下1500行数据，我需要根据两列对它们进行分组，并将第三列中的数字相加。 此代码似乎主要完成以下任务：

grouped_data = data_drill.groupby(['PeriodStartDate', 'Blast'])
                                  ['Calc_DRILLING_Holes'].sum()

以下是我得到的结果：

In[9]: grouped_data
Out[9]: 
PeriodStartDate        Blast 
1/09/2019 6:00:00 AM   6317.0     70.786625
                       7253.0     60.964185
                       8140.0     41.540451
1/09/2019 6:00:00 PM   6317.0     77.692637
                       7253.0     66.911911
                       8140.0     45.593178
1/10/2019 6:00:00 AM   2040.0     50.791661
                       2379.0     90.084856
                       5271.0     66.029160
1/10/2019 6:00:00 PM   2040.0     42.119914
                       2379.0     98.873622
                       5271.0     72.471029
1/11/2019 6:00:00 AM   2376.0     96.204423

这正是我所需要的，除了这里由于日期的格式，一天的信息分为上午6点和下午6点。我不需要这种分离，我需要整个24小时周期的组合数据

我尝试使用

str.slice

仅获取PeriodStartDate列的前10位数字，但似乎无法正确获取

最后，正如您在上面的输出中所看到的，结果日期是以一种奇怪的方式排序的——9月1日之后是10月1日，而两者之间有整整一个月的日期。有没有办法让它们正确分类

---

提前谢谢

如果列是datetime类型，最好将时间戳一起删除，只保留日期

df['PeriodStartDate'] = df['PeriodStartDate'].dt.date

然后，您可以按日期进行分组

如果它不是datetime对象（如果切片时遇到问题，那么我怀疑它是），可以通过转换它来实现

pd.to_datetime(df.PeriodStartDate)

之后，对于排序，只需按分组后的日期排序即可

df.groupby(['PeriodStartDate', 'Blast'])['Calc_DRILLING_Holes'].sum().reset_index().sort_values('PeriodStartDate')

---

您可以使用

str

属性：

grouped_data = data_drill.groupby([data_drill['PeriodStartDate'].str[:9], 'Blast'])
                                  ['Calc_DRILLING_Holes'].sum()

这假设索引将适用于所有日期

---

或者，将该列转换为

datetime

并使用

data\u drill['PeriodStartDate'].dt.date

谢谢Phillip！这在很大程度上是有效的，尽管我似乎无法得到最后的指示。我一直在犯奇怪的错误<代码>分组数据=数据钻孔.groupby（['PeriodStartDate'，Blast']）['Calc_钻孔].sum（））.sort（'PeriodStartDate'）文件“”，第1行分组数据=数据钻孔.groupby（['PeriodStartDate'，Blast']）['Calc_钻孔].sum（））.sort（'PeriodStartDate'）.sort（'PeriodStartDate'））^SyntaxError:无效语法Ahh，好的，抱歉。让我们试试这个

grouped\u data=data\u drill.groupby（['PeriodStartDate'，'Blast']）['Calc\u DRILLING\u Holes'].sum（））.reset\u index（）.sort\u value（'PeriodStartDate'）

我没有任何日期时间数据，所以我不能100%肯定地说这会起作用，但我用我自己加载的一些数据进行了测试。如果这仍然给您带来问题，请让我知道，我们可以在这里解决额外的结束括号

sum（））

，是否应该在那里？似乎给了我语法错误。如果我删除它，没有错误，但是由于某种原因，

Calc\u DRILLING\u Holes

不能汇总。非常抱歉；这是我在groupby结尾括号中的错误；那应该早一点。你能试试这个密码吗

df.groupby（['PeriodStartDate'，'Blast']）['Calc_DRILLING_Holes'].sum（）.reset_index（）.sort_values（'PeriodStartDate'）

这将按时间段分组，然后进行爆破，然后对钻孔进行汇总，重置索引，并按时间段对值进行排序；这就是你所期待的流量，对吗？太棒了！结合你和丹的回答，我得到了我想要的！最后，我使用了

grouped\u data=data\u drill.groupby（[data\u drill['PeriodStartDate'].str[:10]，'Blast']）['Calc\u DRILLING\u Holes'].sum（）.reset\u index（）.sort\u值（'PeriodStartDate'）

来确保我得到所有12个小时的组合。谢谢你的帮助！