Python 如何对timeseries数据中的索引进行分组？

初学者编码器在这里

我试图得到每年的平均数据。重采样似乎不起作用，有什么问题

data=pd.read_csv('Water well.csv', parse_dates=["datetime"],index_col="datetime")`

KeyError:“找不到grouper名称datetime”

---

数据来自此处

如果要按索引列分组，则无需为参数“开”提供值。 熊猫文件中提到了重采样方法：

在str上，可选 对于数据帧，使用列代替索引进行重采样。列必须与datetime类似

（）

以下工作将起作用：

data1=data.resample('1y').mean().reset_index()

但是，您应该考虑在分组结果中需要哪些列。 如果数据框包含非数字列，则可能会得到意外结果

使用reset_index（）的目的是什么？在您的情况下，它会将DateTimeIndex和frequency更改为整数的RangeIndex

没有重置索引（）：

使用reset_index（）：

---

如果要按索引列分组，则不需要为参数“on”提供值。 熊猫文件中提到了重采样方法：

在str上，可选 对于数据帧，使用列代替索引进行重采样。列必须与datetime类似

（）

以下工作将起作用：

data1=data.resample('1y').mean().reset_index()

但是，您应该考虑在分组结果中需要哪些列。 如果数据框包含非数字列，则可能会得到意外结果

使用reset_index（）的目的是什么？在您的情况下，它会将DateTimeIndex和frequency更改为整数的RangeIndex

没有重置索引（）：

使用reset_index（）：

---

谢谢大家!@谢谢你@尼安

>>> data2=data['water_level(ft below land surface)'].resample('1y').mean()
>>> data2.index
DatetimeIndex(['2016-12-31', '2017-12-31', '2018-12-31', '2019-12-31',
               '2020-12-31', '2021-12-31'],
              dtype='datetime64[ns]', name='datetime', freq='A-DEC')
>>> data2
datetime
2016-12-31    28.082380
2017-12-31    28.553674
2018-12-31    27.897536
2019-12-31    26.807835
2020-12-31    27.973135
2021-12-31    27.331749

>>> data3=data['water_level(ft below land surface)'].resample('1y').mean().reset_index()
>>> data3.index
RangeIndex(start=0, stop=6, step=1)
>>> data3
    datetime  water_level(ft below land surface)
0 2016-12-31                           28.082380
1 2017-12-31                           28.553674
2 2018-12-31                           27.897536
3 2019-12-31                           26.807835
4 2020-12-31                           27.973135
5 2021-12-31                           27.331749