Python 重新索引透视表以添加缺少的天数和时间

我尝试使用数据透视表将活动日志制作成热图。要添加缺少的时间和日期，我使用reindex函数，但无法按列重新编制索引

import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame({'Date':['2015-11-10 18:39:00','2015-11-14 11:30:00','2015-11-14 13:48:00','2015-11-15 16:06:00',
    '2015-11-16 21:08:00','2020-08-31 18:06:00','2020-09-18 11:17:00','2020-09-19 15:41:00',
    '2020-09-25 16:28:00','2020-09-25 19:45:00']})
df['Date'] = pd.to_datetime(df['Date'])

    
hm = df.pivot_table(columns=df['Date'].dt.hour, index=df['Date'].dt.day_name(), aggfunc='count', fill_value=0, dropna=False)
hm = hm.reindex(['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday', 'Sunday'], axis='index')
hm = hm.reindex(range(0,24), axis='columns', fill_value=0)

figg, ax2 = plt.subplots(figsize=(20,3))
im = ax2.imshow(hm)

我收到以下错误消息

ValueError: Buffer dtype mismatch, expected 'Python object' but got 'long'

预期输出应为

           0   1   2   3   4   5   6   7   8   9       20  21  22  23
Monday     0   0   0   0   0   0   0   0   0   0  ...   0   0   0   0   
Tuesday    0   0   0   0   0   0   0   0   0   0  ...   0   0   0   0  
Wednesday  0   0   0   0   0   0   0   0   0   0  ...   0   0   0   0  
Thursday   0   0   0   0   0   0   0   0   0   0  ...   0   0   0   0  
Friday     0   0   0   0   0   0   0   0   0   0  ...   0   0   1   0   
Saturday   0   0   0   0   0   0   0   0   0   0  ...   0   1   0   0   
Sunday     0   0   0   0   0   0   0   0   0   0  ...   0   0   1   0   

---

欢迎来到StackOverflow

这里的索引是一个多索引，第一级是“日期”。Pandas认为您试图更改索引的这一部分，但这部分不起作用，因为它是一个字符串。（我想，我对此不确定。）

如果您使用删除索引的第一级，您将有一个常规整数索引，它将正常工作。我在结果中也使用了NaNs，因此我还添加了一个fillna（）调用

hm=df.pivot\u表（列=df['Date'].dt.hour，索引=df['Date'].dt.day\u name（），aggfunc='count'，fill\u值=0，dropna=False）
hm=hm.reindex（[‘星期一’、‘星期二’、‘星期三’、‘星期四’、‘星期五’、‘星期六’、‘星期日’]，axis='index'）
hm.columns=hm.columns.droplevel（0）
hm=hm.reindex（范围（0,24），轴=列，填充值=0）
hm=hm.fillna（0）

结果我得到了下面的情节

---

您得到的输出是一个多索引列索引（第一级是“日期”，第二级是小时）。发生这种情况的原因是，您没有为对

pivot\u表的调用提供
values
参数

import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame({'Date':['2015-11-10 18:39:00','2015-11-14 11:30:00','2015-11-14 13:48:00','2015-11-15 16:06:00',
    '2015-11-16 21:08:00','2020-08-31 18:06:00','2020-09-18 11:17:00','2020-09-19 15:41:00',
    '2020-09-25 16:28:00','2020-09-25 19:45:00']})
df['Date'] = pd.to_datetime(df['Date'])

# Note the addition of the `values` argument
hm = df.pivot_table(columns=df['Date'].dt.hour, index=df['Date'].dt.day_name(), values="Date", aggfunc='count', fill_value=0, dropna=False)

# you can also reindex both the index and columns in 1 call
hm = hm.reindex(
    index=['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday', 'Sunday'],
    columns=range(24),
    fill_value=0
)

print(hm)
Date       0   1   2   3   4   5   6   7   8   9   ...  14  15  16  17  18  19  20  21  22  23
Date                                               ...                                        
Monday      0   0   0   0   0   0   0   0   0   0  ...   0   0   0   0   1   0   0   1   0   0
Tuesday     0   0   0   0   0   0   0   0   0   0  ...   0   0   0   0   1   0   0   0   0   0
Wednesday   0   0   0   0   0   0   0   0   0   0  ...   0   0   0   0   0   0   0   0   0   0
Thursday    0   0   0   0   0   0   0   0   0   0  ...   0   0   0   0   0   0   0   0   0   0
Friday      0   0   0   0   0   0   0   0   0   0  ...   0   0   1   0   0   1   0   0   0   0
Saturday    0   0   0   0   0   0   0   0   0   0  ...   0   1   0   0   0   0   0   0   0   0
Sunday      0   0   0   0   0   0   0   0   0   0  ...   0   0   1   0   0   0   0   0   0   0

请根据示例输入分享您的预期输出。