Python 熊猫：按日期和另一个变量的中位数分组

这是我的数据帧的一个演示示例。完整数据框架包含多个附加变量，涵盖6个月的数据

sentiment     date
1             2015-05-26 18:58:44
0.9           2015-05-26 19:57:31
0.7           2015-05-26 18:58:24
0.4           2015-05-27 19:17:34
0.6           2015-05-27 18:46:12
0.5           2015-05-27 13:32:24
1             2015-05-28 19:27:31
0.7           2015-05-28 18:58:44
0.2           2015-05-28 19:47:34

我只想按

date

列的日期对数据帧进行分组，但同时聚合

情绪

列的中值

我用

groupby

尝试过的一切，

dt

访问器和

timegrouper

都失败了

我想返回一个数据帧，而不是GroupBy对象

日期列是

M8[ns]

情绪栏

float64

我会这样做：

df['date'] = df['date'].apply(lambda x : x.date())
df = df.groupby('date').agg({'sentiment':np.median}).reset_index()

首先用日期替换datetime列。

---

然后执行groupby+agg操作。

幸运的是，问题中列出了所需的工具

In [61]: df.groupby(df.date.dt.date)[['sentiment']].median()
Out[61]:
            sentiment
2015-05-26        0.9
2015-05-27        0.5
2015-05-28        0.7

---

我会这样做，因为您可以同时对多个列进行多个聚合（如中位数、平均值、最小值、最大值等）：

df.groupby(df.date.dt.date).agg({'sentiment': ['median']})

---

您可以使用一个GROUPBY and.agg（）函数获取任意数量的度量值
1） 创建新列提取日期。
2） 使用groupy by并应用numpy.median、numpy.mean等

import pandas as pd
x = [[1,'2015-05-26 18:58:44'],
     [0.9,'2015-05-26 19:57:31']]
t = pd.DataFrame(x,columns = ['a','b'])
t.b = pd.to_datetime(t['b'])
t['datex'] = t['b'].dt.date


t.groupby(['datex']).agg({
    'a': np.median
})

输出-

datex   
2015-05-26  0.95