Python 数据帧日期时间索引groupby

考虑到我有以下tmax_周期数据帧：

ID元素数据\u值
日期
2005-01-01 USW00014853 TMAX 56
2005-01-01 USC000228 TMAX 150
2005-01-01 USC0207320 TMAX 150
2005-01-01 USC0207308 TMAX 150
2005-01-01 USC000230 TMAX 122

如何按月和日对行进行分组，并将max函数应用于Data_Value列，以便以后构建包含365个数据点的绘图？我试着做到以下几点：

tmax_period.groupby（by=[period.index.month，period.index.day]）['Data_Value'].max（）

但我得到了一个“AssertionError:Grouper和axis的长度必须相同”的错误

编辑：将

tmax\u period.head（）的结果添加到dict（）

中，如评论中所述：

{'Data_Value'：{Timestamp（'2005-01-01 00:00:00'）：122}，
'Element'：{Timestamp（'2005-01-01 00:00:00'）：'TMAX'}，
'ID'：{时间戳（'2005-01-01 00:00:00'）：'USC000230'}

日期范围包括闰年，因此按月和日进行聚合显然会产生366个数据点。以下是一个例子：

s = pd.Series(data=1, 
              index=pd.date_range(start='2005-01-01', 
                                  end='2014-12-31', 
                                  freq='d'), 
              name='x')
s.groupby([s.index.month, s.index.day]).count(). # has 366 elements, inc Feb 29

groupby

命令包含366个元素

---

DatetimeIndex是如何创建的？

日期范围包括闰年，因此按月和日进行聚合显然会产生366个数据点。以下是一个例子：

s = pd.Series(data=1, 
              index=pd.date_range(start='2005-01-01', 
                                  end='2014-12-31', 
                                  freq='d'), 
              name='x')
s.groupby([s.index.month, s.index.day]).count(). # has 366 elements, inc Feb 29

groupby

命令包含366个元素

---

DatetimeIndex是如何创建的？

我发现当按索引级别分组或按日期时间频率分组（或者在本例中，两者都是）时，

pd.Grouper

是最容易使用的

---

这将创建两个

Grouper

对象，分别在第0个索引级别上按月（开始）和日进行聚合。

我发现

pd.Grouper

在按索引级别分组或按日期时间频率分组（或者在本例中，两者都是）时最容易使用

---

这将在第0个索引级别上创建两个分别按月（开始）和日聚合的

Grouper

对象。

我不知道为什么以前没有想到这个解决方案。它可以找到一年中每一天的最大值，而不会像我所希望的那样被leap one弄乱：

tmax_period=period.groupby（lambda x:（x.month，x.day））['Data_Value'].max（）

我不知道为什么以前没有想到这个解决方案。它可以找到一年中每一天的最大值，而不会像我所希望的那样被leap one弄乱：

tmax_period=period.groupby（lambda x:（x.month，x.day））['Data_Value'].max（）

您能复制并粘贴数据吗？请参阅：尝试：

tmax\u period.head（）.to\u dict（）

并将其复制/粘贴到您的问题中。@Scott Boston，是的，我尝试过这种方法，但dayofyear对闰年的使用不正确。您可以在非闰年中平均闰日，或者在闰年中省略闰日。您可以复制并粘贴数据吗？请参阅：尝试：

tmax\u period.head（）.to\u dict（）

并复制/粘贴到您的问题中。@Scott Boston，是的，我尝试过这种方法，但dayofyear对闰年的作用不正确。您可以在非闰年中平均闰日，或者在闰年中省略闰日。

df.groupby([
    pd.Grouper(level=0, freq='MS'),
    pd.Grouper(level=0, freq='D')
])['Data_Value'].max()