Python Pandas：如何按datetime列分组，仅使用时间并丢弃日期

我有一个带有日期时间列的数据框。我只想按时间成分进行分组和聚合，例如采用平均值

我知道我可以使用pd.gropper按日期和时间分组，但它不能只在时间上工作

假设我们有以下数据帧：

将numpy导入为np
作为pd进口熊猫
drange=pd.日期范围（'2019-08-01 00:00'，'2019-08-12 12:00'，频率'1T'）
时间=drange.time
c0=np.rand.rand（len（drange））
c1=np.rand.rand（len（drange））
df=pd.数据帧（dict（drange=drange，time=time，c0=c0，c1=c1））
打印（df.head（））

在这种情况下，以下命令会引发TypeError：

gropper=pd.gropper（key='time'，freq='5T'）
grouped=df.groupby（grouper.mean）（）

我可以将

key=drange

设置为按日期和时间分组，然后：

• 重置索引
• 将新列转换为float
• 带pd切割的料仓
• 回到过去
• 最后分组，然后聚合

---

。。。但是我想知道是否有更干净的方法来实现相同的结果。

Series.dt.time

/

DatetimeIndex.time

将时间返回为

datetime.time

。这不是很好，因为pandas最适合

timedelta64

，因此您的

'time'

列被强制转换到

对象

，失去了所有的datetime功能

您可以从标准化日期中减去时间，以

timedelta

的形式获得时间，因此您可以继续使用pandas的

datetime

工具。您可以

floor

将此分组

s = (df.drange - df.drange.dt.normalize()).dt.floor('5T')

df.groupby(s).mean()

---

---

或者，如果您不确定

楼层

，这将获得索引名之前的相同输出

df['time'] = (df.drange - df.drange.dt.normalize())  # timedelta64[ns]
df.groupby(pd.Grouper(key='time', freq='5T')).mean()

---

Series.dt.time

/

DatetimeIndex.time

将时间返回为

datetime.time

。这不是很好，因为pandas最适合

timedelta64

，因此您的

'time'

列被强制转换到

对象

，失去了所有的datetime功能

您可以从标准化日期中减去时间，以

timedelta

的形式获得时间，因此您可以继续使用pandas的

datetime

工具。您可以

floor

将此分组

s = (df.drange - df.drange.dt.normalize()).dt.floor('5T')

df.groupby(s).mean()

---

---

或者，如果您不确定

楼层

，这将获得索引名之前的相同输出

df['time'] = (df.drange - df.drange.dt.normalize())  # timedelta64[ns]
df.groupby(pd.Grouper(key='time', freq='5T')).mean()

---

使用

DataFrame.groupby

时，您可以。此外，如果序列是日期时间，则可以使用

series.dt

访问日期的属性。在您的情况下，

df['drange'].dt.hour

或

df['drange'].dt.time

应该可以

# df['drange']=pd.to_datetime(df['drange'])
df.groupby(df['drange'].dt.hour).agg(...)

---

使用

DataFrame.groupby

时，您可以。此外，如果序列是日期时间，则可以使用

series.dt

访问日期的属性。在您的情况下，

df['drange'].dt.hour

或

df['drange'].dt.time

应该可以

# df['drange']=pd.to_datetime(df['drange'])
df.groupby(df['drange'].dt.hour).agg(...)

---

回答得很好！：）+回答得真好。所有建议在几秒钟内操作的方法都很好，但它们失去了在大熊猫身上使用日期的价值+1伟大的答案！：）+回答得真好。所有建议在几秒钟内操作的方法都很好，但它们失去了在大熊猫身上使用日期的价值+1.