Python 按小时和分钟分组后创建新索引（或连接多索引的两个级别）

，您可以按日期时间而不是日期时间本身对日期进行分组：

import pandas as pd
import numpy as np

dr = pd.date_range('01-01-2020', '01-03-2020', freq='30T')
df = pd.DataFrame(np.random.rand(len(dr)), index=dr)
df = df.groupby([df.index.hour, df.index.minute]).sum()

这将按预期聚合数据，但返回一个多索引数据帧，其中一个级别为未标记的小时，另一个级别为未标记的分钟：

              0
0  0   1.383863
   30  1.293589
1  0   0.545617
   30  0.208717
2  0   0.464892
   30  0.392486
...

我想创建一个新的索引，它将时间表示为字符串或实际的

datetime.time（）

。我可以将时间输入字符串，执行如下操作：

hours = df.index.get_level_values(0).astype(str).str.pad(2, fillchar='0')
minutes = df.index.get_level_values(1).astype(str).str.pad(2, fillchar='0')
new = hours + ':' + minutes
df = df.set_index(new, drop=True)
df.index.name = 'time'

输出：

              0
time           
00:00  1.203189
00:30  1.943932
01:00  1.671113
01:30  1.640122
02:00  1.240969
02:30  0.687489
...

这是可行的，但却是一组非常繁琐的命令。我的问题是：

有没有更简单的方法将这个多索引转换为组合字符串版本

如何将多索引转换为

datetime.time（）

？我知道我可以将原始索引转换为

df.index=df.index.time

，但我还没有找到一种方法，可以从一个索引级别获取小时，从另一个索引级别获取分钟，以获得

时间

对象

要将字符串分组，请执行以下操作：

import pandas as pd
import numpy as np
    
dr = pd.date_range('01-01-2020', '01-03-2020', freq='30T')
df = pd.DataFrame(np.random.rand(len(dr)), index=dr)
df = df.groupby(df.index.strftime('%H:%M')).sum()
df.index.name = 'time'

或者要分组到

datetime.time

，请将

groupby

行替换为：

df = df.groupby(df.index.strftime(df.index.time)).sum()