python中的熊猫系列按月排序索引（时间序列不同）

我有一个序列对象，它具有：

df = 
    index              value
2014-05-23 07:00:00     0.67
2014-05-23 07:30:00     0.47
2014-05-23 08:00:00     0.42
2014-05-23 08:30:00     0.80
....

2017-07-10 22:00:00     0.42
2017-07-10 22:30:00     0.79
2017-07-10 23:00:00     0.84
2017-07-10 23:30:00     Nan

我想计算一年内的平均值，然后按月分组，因此数据框如下所示

df_new = 
  index                    value
   Jan      {0.11, 0.5, 0.3, 0.99, ... ,0.13} <-  time step of each value is 
   Feb      {...............................}     still 30 min, and each 
   Mar      {...............................}     value is average of same 
   Apr      {...............................}     time in the other year.  
   ....
   Dec      {...............................}

df_new=
索引值
Jan{0.11,0.5,0.3,0.99，…，0.13}我认为需要先通过以下方式进行上采样或下采样：

然后通过将月份转换为和，聚合平均值，最后通过以下方式重塑：

在日期、月份、小时和分钟中添加一列，例如：
df['month']=df.index.month
。然后使用
gb=df.groupby（by=['month'，'day'，'hour'，'minutes']）['value'].mean（）
。看看gb数据帧是否与您想要的不接近。这太棒了！非常感谢：）@Chi-glady能帮上忙！
#upsample
s = s.resample('15Min').ffill()
#downsample
#s = s.resample('60Min').mean()
#if already 30 minutes values no resample necessary

cats = ['Jan', 'Feb', 'Mar', 'Apr','May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec']
months = pd.Categorical(s.index.strftime('%b'), categories=cats, ordered=True)
df = s.groupby([months, s.index.time]).mean().unstack()