在Pandas（Python）中使用GroupBy和DateTime

我从API（当然是JSON格式）中获得的数据如下所示：

其中第二列是以记号表示的日期/时间，第三列是某个值。我基本上有一天中每个小时的数据，几个月内每天的数据。现在，我想要实现的是，我想要得到每周第三列的最小值。我有下面的代码段，它正确地为我返回了最小值，但除了返回最小值之外，我还想返回特定的

时间戳

，作为该周发生的最低日期/时间。我如何修改下面的代码，以便还可以获得

时间戳

以及最小值

df = pandas.DataFrame(columns=['Timestamp', 'Value'])

# dic holds the data that I get from my API.
for i in range(len(dic)):
    df.loc[i] = [dic[i][1], dic[i][2]]

df['Timestamp'] = pandas.to_datetime(df['Timestamp'], unit='s')
df.sort_values(by=['Timestamp'])
df.set_index(df['Timestamp'], inplace=True)

df.groupby([pandas.Grouper(key='Timestamp', freq='W-MON')])['Value'].min()

我想您需要索引

min

列

时间戳的值

，然后选择by

loc

：

df['Timestamp'] = pd.to_datetime(df['Timestamp'], unit='s')

df = df.loc[df.groupby([pd.Grouper(key='Timestamp', freq='W-MON')])['Value'].idxmin()]
print (df)
            Timestamp  Value
2 2017-07-23 12:00:00   2902

详细信息：

print (df.groupby([pd.Grouper(key='Timestamp', freq='W-MON')])['Value'].idxmin())
Timestamp
2017-07-24    2
Freq: W-MON, Name: Value, dtype: int64

print (df.groupby([pd.Grouper(key='Timestamp', freq='W-MON')])['Value'].idxmin())
Timestamp
2017-07-24    2
Freq: W-MON, Name: Value, dtype: int64