Python 熊猫：编辑索引值并根据新值重新分组

我的索引设置为'ShiftId'，如下所示：201912240（日期后面跟一个0或1，表示白班或夜班）。我将df按索引值分组，这些索引值按预期返回如下内容：

           col1 col2
201912240  NaN  23
201912241  44   75
201912250  12   NaN
201912251  46   91

我想重新组合这个数据帧，以获取每天的平均值（忽略NaN值），然后它将如下所示

           col1 col2
20191224   44   49
20191225   29   91 

但我无法将当前索引值分组。我试过了

    days_frame.index = days_frame.index.map(lambda x: str(x)[:-1])
    days_frame.groupby(days_frame.index).mean()

但这甚至不会改变df中的任何内容

---

请帮助我找到您的解决方案，也许您忘记了将输出分配给变量，如

df

：

days_frame.index = days_frame.index.map(lambda x: str(x)[:-1])
df = days_frame.groupby(days_frame.index).mean()
print (df)
          col1  col2
20191224  44.0  49.0
20191225  29.0  91.0

另一种解决方案首先重命名索引，然后使用

mean

每个索引值：

df = days_frame.rename(lambda x: str(x)[:-1]).mean(level=0)
print (df)
          col1  col2
20191224  44.0  49.0
20191225  29.0  91.0

或者将索引转换为字符串，删除最后一个值，并使用聚合

平均值传递到
groupby
：

df = days_frame.groupby(days_frame.index.astype(str).str[:-1]).mean()
print (df)
          col1  col2
20191224  44.0  49.0
20191225  29.0  91.0

编辑：

如果要避免截断没有
列的所有列，请在写入文件之前使用此解决方案：

df = pd.DataFrame({'A':[.41,1.5,.2,2,.3],
                   'B':['a'] * 5,
                   'C':[3,4,5,4,5],
                   'D':[1.0,3,4,5,6]})

cols = df.columns.difference(['A'])

df[cols] = df[cols].applymap(lambda x: '%.0f' % x if isinstance(x, (float, int)) else x)
print (df)

      A  B  C  D
0  0.41  a  3  1
1  1.50  a  4  3
2  0.20  a  5  4
3  2.00  a  4  5
4  0.30  a  5  6

您为我提供的解决方案正在运行，可能您忘记了将输出分配给变量，如
df
：

days_frame.index = days_frame.index.map(lambda x: str(x)[:-1])
df = days_frame.groupby(days_frame.index).mean()
print (df)
          col1  col2
20191224  44.0  49.0
20191225  29.0  91.0

另一种解决方案首先重命名索引，然后使用
mean
每个索引值：

df = days_frame.rename(lambda x: str(x)[:-1]).mean(level=0)
print (df)
          col1  col2
20191224  44.0  49.0
20191225  29.0  91.0

或者将索引转换为字符串，删除最后一个值，并使用聚合
平均值传递到
groupby
：

df = days_frame.groupby(days_frame.index.astype(str).str[:-1]).mean()
print (df)
          col1  col2
20191224  44.0  49.0
20191225  29.0  91.0

编辑：

如果要避免截断没有
列的所有列，请在写入文件之前使用此解决方案：

df = pd.DataFrame({'A':[.41,1.5,.2,2,.3],
                   'B':['a'] * 5,
                   'C':[3,4,5,4,5],
                   'D':[1.0,3,4,5,6]})

cols = df.columns.difference(['A'])

df[cols] = df[cols].applymap(lambda x: '%.0f' % x if isinstance(x, (float, int)) else x)
print (df)

      A  B  C  D
0  0.41  a  3  1
1  1.50  a  4  3
2  0.20  a  5  4
3  2.00  a  4  5
4  0.30  a  5  6

我能在这里再问你一个问题吗？主要是relevant@LlewellynHattingh-当然，来吧；）pd.set_选项（'display.float_格式'，lambda x:'%0.f'%x'）。我用它来避免在html文件中得到截断的值。这是非常必要的，我遇到的问题是它对所有列进行了取整（这在很大程度上是好的），但有一个特定的列我不希望发生这种情况。。。因为否则我只看到0而不是0.322（这是非常重要的信息）。。Thanx@jezraelThanx，它似乎没有起作用。。我在一个大的.py文件中工作。。这可能有什么先决条件吗？或者我遗漏了什么？还有，我有你的密码。谢谢你的帮助！！我能在这里再问你一个问题吗？主要是relevant@LlewellynHattingh-当然，来吧；）pd.set_选项（'display.float_格式'，lambda x:'%0.f'%x'）。我用它来避免在html文件中得到截断的值。这是非常必要的，我遇到的问题是它对所有列进行了取整（这在很大程度上是好的），但有一个特定的列我不希望发生这种情况。。。因为否则我只看到0而不是0.322（这是非常重要的信息）。。Thanx@jezraelThanx，它似乎没有起作用。。我在一个大的.py文件中工作。。这可能有什么先决条件吗？或者我遗漏了什么？还有，我有你的密码。谢谢你的帮助！！