Python 将2级grupby对象与min（）聚合后，出现意外的（原始）时间戳数据类型

这可能与已解决的问题/错误有关：

这一次，问题在于在多级groupby对象中的Timestamp/datetime列上使用min（）和max（）方法进行聚合。结果列似乎是整数，而不是预期的Timestamp/datetime

In [3]: pd.__version__
Out[3]: '0.13.0'

In [4]: np.__version__
Out[4]: '1.8.0'

In [5]: rng = pd.date_range('1/1/2000', periods=10, freq='4h')
In [6]: lvl1 = ['A','A','A','A','A','B','B','B','B','B']
In [7]: lvl2 = ['foo','foo','bar','bar','bar','foo','foo','foo','bar','bar']
In [8]: df = pd.DataFrame({'TS': rng, 'V' : np.random.randn(len(rng)), 'L1' : lvl1, 'L2' : lvl2})

In [9]: df
Out[9]:
  L1   L2                  TS         V
0  A  foo 2000-01-01 00:00:00  1.084908
1  A  foo 2000-01-01 04:00:00  1.650871
2  A  bar 2000-01-01 08:00:00  1.884018
3  A  bar 2000-01-01 12:00:00 -1.196144
4  A  bar 2000-01-01 16:00:00 -1.249594
5  B  foo 2000-01-01 20:00:00 -1.426138
6  B  foo 2000-01-02 00:00:00  0.413785
7  B  foo 2000-01-02 04:00:00  0.507160
8  B  bar 2000-01-02 08:00:00  1.369455
9  B  bar 2000-01-02 12:00:00  2.229319

在一个级别的groupby上使用min（）似乎可以像预期的那样工作，时间戳就是时间戳

In [10]: df.groupby(['L1']).min()
Out[10]:
     L2                  TS         V
L1
A   bar 2000-01-01 00:00:00 -0.995938
B   bar 2000-01-01 20:00:00 -1.582318

这是令人不安的部分；使用min（）聚合2级grouby对象后，TS列位于int64中

In [11]: df.groupby(['L1', 'L2']).min()
Out[11]:
                        TS         V
L1 L2
A  bar  946713600000000000 -0.607672
   foo  946684800000000000 -0.995938
B  bar  946800000000000000 -0.019575
   foo  946756800000000000 -1.582318

In [12]: df.groupby(['L1', 'L2']).min().dtypes
Out[12]:
TS      int64
V     float64
dtype: object

---

从0.13.1开始，问题似乎已经解决。哦，我想这个问题谢谢@unutbu