Python 使用一列datetime对象将两级索引(索引?)设置为datetime.date()和datetime.time()

Python 使用一列datetime对象将两级索引(索引?)设置为datetime.date()和datetime.time(),python,pandas,datetime,indexing,Python,Pandas,Datetime,Indexing,我有一个数据帧,它有一列“timestamp”,它由datetime对象(YYYY-mm-dd-HH:mm:SS)组成。我想从这些时间戳中提取日期(datetime.date()),并将其设置为0级索引,将时间(datetime.time())设置为1级索引 例如: timestamp value1 value2 index 0 2018-01-01 09:00:00 10 20 1

我有一个数据帧,它有一列“timestamp”,它由
datetime
对象(YYYY-mm-dd-HH:mm:SS)组成。我想从这些时间戳中提取日期(
datetime.date()
),并将其设置为0级索引,将时间(
datetime.time()
)设置为1级索引

例如:

                   timestamp    value1    value2
index    
    0    2018-01-01 09:00:00        10        20
    1    2018-01-01 09:01:00        11        21
    2    2018-01-02 09:00:00        12        22
    3    2018-01-02 09:01:00        13        23
将成为:

                          value1    value2
date          time
2018-01-01    09:00:00        10        20
              09:01:00        11        21
2018-01-02    09:00:00        12        22
              09:01:00        13        23

选项1
使用
drop
set\u索引

df.set_index([df.timestamp.dt.date, df.timestamp.dt.time]).drop('timestamp', 1)

                      value1  value2
timestamp  timestamp                
2018-01-01 09:00:00       10      20
           09:01:00       11      21
2018-01-02 09:00:00       12      22
           09:01:00       13      23

选项2

d = df.set_index('timestamp')
d.index = [d.index.date, d.index.time]
d

                     value1  value2
2018-01-01 09:00:00      10      20
           09:01:00      11      21
2018-01-02 09:00:00      12      22
           09:01:00      13      23
与最后一个原始列一起使用:

mux = pd.MultiIndex.from_arrays([df['timestamp'].dt.date, df['timestamp'].dt.time], 
                                 names=('date','time'))
df = df.set_index(mux).drop('timestamp', 1)
或加上:

df = (df.set_index([df['timestamp'].dt.date, df['timestamp'].dt.time])
        .drop('timestamp', 1)
        .rename_axis(('date','time')))

print (df)
                     value1  value2
date       time                    
2018-01-01 09:00:00      10      20
           09:01:00      11      21
2018-01-02 09:00:00      12      22
           09:01:00      13      23